区间数据回归分析方法

提出区间数据回归分析方法, 建立区间数据回归方程, 给出回归系数的最佳无偏整体估计及其协方差矩阵.详细讨论了工程中常见的极值分布、Weibull分布和正态分布的等尺度和非等尺度(或异方差)线性回归分析.该方法可以将各个不同状态下的区间数据作为一个整体进行统计分析, 具有信息量大、精度高的特点.      

基于混合深度特征的红外目标抗干扰识别算法

复杂干扰条件下的红外空中目标识别技术是空战对抗领域的热点研究课题,复杂人工干扰严重遮蔽目标,导致目标特征的连续性与显著性遭到破坏,无法全面描述识别对象的特性,造成空中目标识别准确率下降。针对此问题,提出一种基于图像混合深度特征的空中目标抗干扰识别算法。首先,基于卷积神经网络进行图像深度特征的提取,将深度特征与梯度直方图(Histogram of Gradient, HOG)特征进行有效融合,构建混合深度特征。针对作战场景中的目标与干扰的对抗态势多样性,将支持向量机的二分类模型改进为三分类模型,对目标、干扰以及目标干扰粘连三种状态进行精确分类。实验结果表明：在复杂干扰环境下,基于混合深度特征的空中目标抗干扰识别算法正确率为92.29%,该算法可以有效地解决目标被干扰遮蔽、形成目标干扰粘连状态时的抗干扰识别问题。     

曲线保凸光顺拟合中的支持向量回归模型

几何逆向工程中的光顺曲线重构问题本质上属于回归问题,支持向量回归机是求解回归问题的新的十分有效的方法.研究用支持向量回归机处理光顺曲线的重构问题,鉴于后者有着对于光顺性的特殊要求,通过修正惩罚因子对支持向量机加以改造,即根据测量数据点的分布情况,利用各测量点圆率及保凸条件的特性确定对应的惩罚因子,从而实现了自由曲线的保凸光顺重构.数据实验也表明该方法的有效性.     

体育校本课程实施与课外体育支持体系构建

文章在结合课外体育支持体系特点即：将体育课程教学与课外体育锻炼看成是一个整体,强调体育课程教学与课外体育锻炼的有机结合;体育教学特色与课外体育活动内容的广泛联系;终身体育理念与行为的有效统一的基础上,从政策与制度支持;组织与管理支持;体育环境支持;活动内容与形式支持;监测与考评支持等方面对大学生健康教育的课外体育支持体系构建进行了论述。     

基于Transformer模型的卫星单目位姿估计方法

鉴于测量精度高、设备成本低等优点,基于单目图像的卫星位姿估计方法在交会对接、空间攻防等应用中具有广泛前景。得益于强大的特征提取与表达能力,卷积神经网络在目标单目位姿估计应用中取得了明显优于传统方法的性能表现,但已有基于卷积神经网络的方法存在诸如归纳偏置、绝对距离描述不直接、长距离建模能力不足等问题。聚焦卫星单目位姿估计应用需求,针对以上问题,创新地将Transformer模型应用于卫星目标位姿估计中,提出了一种新颖的端到端卫星单目位姿估计方法。首先,设计了一种基于关键点集合的卫星目标表示方法,并构建了基于该表示方法的损失函数,进一步,结合关键点回归任务特点,设计了端到端的关键点回归网络模型,并改进了用于特征提取的主干网络结构。在公开数据集上实验测试结果表明：本文方法实现了可靠、高效的卫星目标单目位姿估计,并取得了优于已有同类方法的性能。     

基于回归分析的低空空域资源可用性评价

低空空域资源一直是通用航空产业发展的瓶颈,是制约我国通用航空发展的关键因素之一。基于理论研究和实地调研,构建低空空域资源可用性评价指标体系,运用多元线性回归法对影响低空资源的军/民航各项因素进行系统分析,确定各级指标权重;以江苏省为例,深入分析该省低空可利用资源的现状,总结各地区实际情况和大量数据,通过多元线性回归结果显示各项因素对该地区的影响值;最后得出低空空域资源可用性结果。结果表明:采用回归分析方法分析低空空域资源,所得结果是科学且有效的,可为我国低空空域资源合理利用以及通用航空活动空域申报提供参考。     

运输机总体参数和性能统计分析

 按照飞机设计的基本原理,通过对现有运输机总体参数和性能数据的统计分析,寻找现代运输机各个总体性能和性能参数之间存在的定量关系,得到了 1 6个经验公式和一些参数取值范围,为运输机概念设计提供了一些可用的数据。     

基于支持向量机回归的电力负荷预测研究

不同于传统的基于经验风险最小化的回归方法,支持向量机回归方法基于结构风险最小化准则.与神经网络相比,该方法在解决学习精度和推广性之间的矛盾方面有明显的优势.本文以城市电力负荷预测为应用背景,对比研究了基于统计学习理论的支持向量机回归方法和神经网络方法.预测结果显示支持向量机可能是一种非常有前景的预测工具,其预测精度明显好于神经网络.     

基于小波变换的非平稳信号趋势项剔除方法

分析了空间飞行器遥测信号处理传统趋势项剔除方法的优势和不足,提出了基于小波变换的非平稳信号趋势项剔除方法。这种方法通过滤波器组将信号分解与重构,实现趋向性信号与零均值平稳随机信号的分离。仿真实验表明,该方法简单、高效,适用于非平稳随机信号的处理,是一种实用的趋势项剔除方法。     

基于最小二乘支持向量机的普通高校招生人数预测研究

近年来普通高校的发展速度与规模,使社会大众兴起了对教育质量与总量的关注。普通高校招生数预测是制定教育政策的重要依据。针对中国文化教育的特征,在统计学习理论和结构风险最小化原理的基础上,建立了基于最小二乘支持向量机的时间序列预测模型。预测结果表明该模型具有较高的预测精度,为普通高校招生数预测提供了一条新的途径。