多元线性回归模型的增量算法

伴随着各领域信息化的发展,数据多呈现出快速、连续流入的特点.面向海量不断更新的数据集,在具有广泛使用价值的线性回归模型中,考虑引入增量算法.通过基于叉积矩阵的增量计算公式,得到最小二乘估计模型的增量算法,并进一步扩展到其他的模型估计量和检验统计量中.该增量算法运用了全部的数据信息,与使用全部数据建模具有完全相同的结果.算法节约了数据读取时间,减小了数据存储传输的压力,从而提高了计算效率.数据仿真实验验证了算法的有效性.     

基于移动平台的快速相似脸检索

主要研究了移动平台上的相似脸检索问题.对于移动端,首先采用基于稀疏约束的级联回归模型进行精确的人脸配准,该方法不但能够筛选鲁棒的特征,而且可以将模型的大小压缩到原来的5%左右.接着,在某些关键点周围提取高维的纹理特征,并通过稀疏投影降维.对于服务器端,采用级联形状和纹理特征的方式进行高效的相似脸检索.首先基于稀疏形状重构的方式筛选脸型相似的人脸,然后基于稀疏纹理重构的方法确定相似脸.在三星Note 3智能手机上,人脸图像的配准时间约10 ms.在扩展的LFW(Labeled Face in Wild)数据库上,相似脸检索时间约1.5 s,整个模型大小约5.4 MB.大量实验结果表明,配准方法精度高,速度快,模型小;相似脸检索的方法效率高,检索结果更符合人们的视觉感受.      

多元线性回归在引气系统故障诊断中的应用

针对利用快速存取记录器(QAR)数据进行民机系统故障诊断问题,以民机引气系统为对象,提出了一种适合多飞行循环数据特点的多元线性回归模型的故障检测方法.首先建立了多飞行循环数据的引气系统性能多元线性回归模型,设计了飞行循环和飞行循环内故障检测方法;然后采用最大后验估计方法进行模型参数估计;最后设计了适合多飞行循环数据的模型参数最大后验估计算法.借助仿真数据和航空公司收集的实际飞行数据对方法进行了验证,结果表明了该方法有效且具有一定工程应用价值.      

基于SMO—SVR的飞机舵面损伤故障趋势预测

飞机舵面出现损伤时,为了更准确的预测状态参量变化情况,提出了一种改进的序贯最小优化支持向量回归(SMO-SVR, Sequential Minimal Optimization Support Vector Regression)预测方法.采用改进C-C平均方法对多元时间序列进行相空间重构,以确定最优嵌入维数m和延迟时间τ_d.根据所求m和τ_d建立加权SVR预测模型,并调整了SMO算法的停机准则.利用区间自适应粒子群算法(IAPSO, Interval Adaptive Particle Swarm Optimization)优化SVR参数,以提高参数优化速度.为了验证改进算法的有效性,针对飞机方向舵损伤故障趋势进行了预测和分析,并与径向基函数神经网络(RBFNN, Radial Basis Function Neural Network)方法进行了对比,仿真结果表明SMO-SVR预测模型具有很好的预测能力.     

某直升机进口材料断裂性能测定技术

本文在总结传统疲劳裂纹扩展曲线的基础上,讨论了四参数全范围da/dN曲线公式。根据断裂性能测试标准,分别测试了直升机桨叶根部材料断裂韧性K1c,3个应力比下的裂纹扩展门槛值△Kth和裂纹扩展速率da/dN;再利用多元线性回归法对试验数据进行了曲线拟合,分别得到了断裂等寿命曲线和四参数全范围da/dN曲线公式。     

基于多应力退化模型的智能电表可靠寿命预估

针对运行态智能电表难以实现可靠寿命准确预估的问题,基于广义多应力加速模型,利用加速退化的试验数据研究并确定了智能电表的寿命分布规律,首先通过分析环境应力与Weibull分布模型参数的关系,建立了新的基于对数线性回归模型的多应力退化模型;之后提出了对该新模型的参数校正的方法,实现了正常应力水平下寿命分布模型参数的求解,获得了正常应力水平下智能电表的可靠寿命及其剩余寿命的预测结果;最后设置了正常应力条件,验证了该方法的可行性,为智能电表可靠寿命的综合评估提供了一种研究方法。     

黑箱建模方法在环境模拟试验中的应用

某大型环境模拟试验设备中一些制冷设备的热力参数,如涡轮膨胀机的出口温度,很难用传统的计算公式来准确求解这一问题。文章提出了用黑箱建模方法来预测这些参数;运用多元回归分析和人工神经网络的方法对黑箱模型进行求解。通过试验数据的验证,表明预测值与试验值非常接近,说明该方法是一种简便易行、准确性高的计算方法。     

基于无线电波坑道透视算法数学模型的研究

本文从地下电磁波远场场强公式出发,采取地质数学常用数学方法,依据最小二乘法原则进行迭代线性拟合,建立数学模型,采取"F-检验法"检验,旨在通过坑透数据处理,准确推断出工作面的地质构造。     

结合多体动力学先验知识与核方法的位标器性能预测技术

位标器的性能与特征参数之间存在着非常复杂的非线性映射关系,且由于装调工艺复杂,测量手段昂贵,位标器实际测量数据较少。如何在小数据的情况下实现对位标器性能的精确求解,是准确预测位标器装调性能的关键。提出一种结合陀螺动力学先验知识和核方法的位标器装配性能预测方法(A-LPSVR)。通过构建陀螺Adams动力学模型以缩小解空间范围。使用仿真性能值和真实装调性能值的差值训练支持向量回归模型,得到最终的位标器性能预测模型。实验结果表明该方法所构建的模型预测准确性与泛化性能要优于现有模型,能够在测量数据稀缺情况下实现位标器陀螺仪性能的精确预测。     

截尾数据异方差回归分析

提出截尾数据异方差回归分析方法,将传统的只适用于同方差和完全数据的回归分析推广到异方差和截尾数据的情况。文中建立了异方差回归方程,给出回归系数和标准差的最佳无偏整体估计及其协方差矩阵。详细讨论了正态分布、极值分布、威布尔分布情况下的线性异方差回归分析,给出其回归曲线和百分位值的置信限。对于异方差问题目前工程上只能采用成组试验方法,因此试验量很大;本文方法与之相比则能很好地解决这一问题,在试样数相同的条件下具有更高的精度,而在精度相同的情况下,可以节省大量试样。