制导工具误差折合的遗传主成分方法

制导工具误差折合是导弹精度评定中的重要问题,传统主成分方法中主要成分选择根据试验弹道环境函数矩阵特征值选择,仅考虑了试验弹道的影响,而在试验弹道中作为主要成分,在全程弹道中并不一定是主要成分。提出了充分考虑试验弹道与全程弹道特点的主成分确定方法,并利用遗传算法确定最佳主成分子集。仿真计算表明,与最小二乘和经典主成分方法相比,遗传主成分算法获得的全程弹道遥外差与落点偏差更接近于真实值。     

基于最小二乘支持向量机的工具误差分离与折合

制导工具误差分离与折合是导弹精度评定中的重要问题,提出了利用支持向量机方法获得工具误差系数估计和进行弹道误差折合的新方法,由于支持向量机综合考虑了结构风险和经验风险,使得模型的泛化能力增强。仿真计算表明,与最小二乘和主成分方法相比,最小二乘支持向量机获得的误差系数估计与真值更加接近,折合得到的全程弹道遥外差更加准确。     

飞机几何外形三维数模构建的一种新算法

提出了一种飞机几何外形三维数字模型构建的新方法。该方法从飞机外形的工业设计效果图和飞机外形图片入手，利用图像处理技术，进行图像三维外形恢复，利用CAD三维平台进行数字化主模构建，同时对构建过程中的关键技术进行了分析研究，并提出了可行性的解决方案。     

基于核函数主元分析的航空发动机故障检测方法

航空发动机性能由正常到异常、再由异常发展到完全故障的阶段,其参数变化具有一定非线性特征。为了有效检测这种具有非线性特征的故障,提出一种基于核函数主元分析(KPCA)的非线性故障检测方法。该方法通过核函数完成非线性变换,将变量由非线性的输入空间转换到线性的特征空间,在特征空间中使用线性主元分析(PCA)方法计算主元,构造T2和SPE统计量检测故障的发生。通过对某型涡扇发动机进行实例验证分析,结果表明,KPCA方法一方面克服了综合参数法由于没有确定的警戒值而无法有效地进行故障检测的不足;另一方面KPCA方法在非线性故障检测过程中能够提取重要的非线性特征信息,因而比PCA方法能更早地检测到早期潜在故障,且KPCA方法检测错误率更低。因此,KPCA方法更适合于具有非线性特征的航空发动机故障检测。     

神经网络专家系统在姿控系统诊断中的应用

为了解决传统专家系统在知识获取和推理方面的问题,提出了一种神经网络和专家系统相结合的诊断系统。采用主成分分析方法简化神经网络训练样本,进而优化网络的结构。采用神经网络集成技术,克服选取网络中间层节点数目及判断阈值的困难。给出了诊断推理过程和对诊断结果进行解释的方法。把此技术应用在了卫星姿控系统的故障诊断中,结果表明提高了诊断效率和诊断的正确率。     

A reflectance spectra-based approach to mapping salt fields using PCA-fused Landsat TM data

In this paper a method based on in situ measured reflectance spectra was developed for accurately mapping salt fields in the Taibei Salt Farm in Lianyungang City of East China. After radiometric correction and geometric rectification, six multispectral ETM+ bands were fused with the panchromatic band via principal components analysis (PCA). The fused data were used to map salt fields in the farm. Salt fields were mapped 91.95% correctly in comparison with ground statistics from raw multispectral bands. This accuracy level rose to 96.4% with the use of the panchromatic band (15 m resolution). However, PCA-fused data produced the highest accuracy of 98.8%. At the zone level, coarse resolution data resulted in an accuracy of 98.93% for crystallization ponds, but only 82.68% for condensation ponds. Use of the panchromatic band alone improved the accuracy for condensation ponds but decreased the accuracy for crystallization and evaporation ponds. Results derived from PCA-fused data are highly consistent with the ground statistics at a discrepancy between 0.35% for evaporation zone and 1.80% for condensation zone. It is concluded that a fine spectral resolution is important to separation of ponds of a varying salt content while a fine spatial resolution is important to their mapped area. Ponds of a lower salt content can be mapped more accurately from fused data than from raw spectral bands.     

主成份估计的特征根因子筛选方法

线性回归模型的主成份估计具有模型紧致和减弱病态的作用,并提高参数估计效果,但是如何筛选特征根却是主成份估计的重要问题。本文找到了主成份估计的特征根与残差平方和之间的确定关系,并根据模型拟合优度和减弱测量随机噪声对参数估计的影响,提出主成份估计筛选特征根的准则。由于特征根与残差平方和具有确定关系,使用这个准则就极为方便,它既可以选到最优组合,又大大减少了计算量,这就具有实际使用价值。     

基于混合Contourlet变换和主成分变换的高光谱图像融合

针对高光谱图像波段多、存在噪声干扰等特点,提出了一种混合Contourlet和主成 分 分析（principal component analysis, 简称PCA）变换的高光谱图像融合方法。首先将多 个波段的高光谱图像进行Contourlet变换,得到系列多尺度、方向各异的子带系数,然后利 用PCA变换对各子带系数分别进行自适应融合处理。实验结果表明该算法可以有效地进行高 光谱图像融合,消除噪声干扰,获得比直接应用Contourlet变换和PCA变换更好的融合效果 。〖JP〗     

低温热水地板辐射采暖施工要点与能效分析

以中国矿业大学教师公寓小高层住宅项目为例,介绍了低温热水地面辐射采暖系统的特点及施工要点,并进行了能效分析,根据实际运行情况对该系统进行了分析和总结。达到了预期的设计目的,提高和改善了供暖使用功能,具有较高的推广价值。     

变量多重相关性对主成分分析的危害

证实了主成分分析完全无法消除变量系统的多重相关性和重叠信息不良影响，指出变量多重相关性无论从方向上还是从数量上都会扭曲主成分分析的客观结论，由此得知，在进行主成分分析之前，对变量系统的选择必须是极其慎重的。