航姿参考系统中的三种简易四元数平均算法（英文）

单位四元数平均运算通常被定义为求解约束最小化问题的最优解,在计算上很耗时。考虑到航姿参考系统中只有两个四元数进行加权平均运算,针对三种基于最小化的四元数平均算法,分别得出其用于求解两个四元数平均值的简易公式。数据分析指出利用这三种简易公式得到的平均四元数非常接近,其角距离小于0.04°。大角度机动实验证实三种四元数平均公式可用于基于四元数的航姿参考系统,为四元数平均算法在航姿参考系统及其他有关领域中的有效应用提供参考。     

依从者平均因果效应的统计推断

本文主要研究临床试验中出现不依从现象时依从子总体的平均因果效应的统计推断。考虑在实际服药状态是二值变量且有相关性,治疗响应变量连续取值的情形,同时考虑协变量对治疗效果有影响的情况下,给出了治疗效果参数的可识别性及近似条件极大似然估计,且构造了记分检验统计量。对特殊模型进行了模拟,结果表明与理论预期一致。     

基于DIS数字信息化系统对透光物质透光性能的研究

采用DIS数字信息化系统,对不同浓度的蓝墨水溶液在激光光源照射下的透射平均照度及照度分布图像进行实验研究,得到了平均照度值随溶液浓度变化的规律。对不同颜色塑料膜片对白炽灯光源透过照度值及照度分布图像进行实验研究得到及其相关之规律。     

高维数据均值的统计监测

本文,我们结合统计过程控制方法,使用一种新的统计量用于在样本数量不充足的情况下监测高维数据。统计量利用样本协方差规范化技术避免协方差矩阵的奇异性,同时采用软阈值技术来挑选多维数据中重要的维度进行监测以减少监测噪音。本文在提出统计量后用matlab随机产生各种维度的高维数据样本进行仿真分析,并将该统计量与基于Hotelling T~2并采取广义逆矩阵的统计量进行比较。结果表明,本文使用的统计量的监测效果优于采取广义逆矩阵的方法。本文提出的方法可以应用于多指标产品生产的快速异常检测,特别是难以得到大量检测数据的产品,如检测需要破坏产品本身或者检测成本太高的产品。     

不稳定分布的碳烟消光表征方法及规律分析

碳烟的消光表征方法有很多种,但对于评价不稳定分布的碳烟体系,需要花费较大的代价。基于RDG-FA理论提出了一种相对简便易行的适用于不稳定分布碳烟的消光表征方法,即以碳烟的质量浓度权重的平均质量消光系数来评价碳烟的消光特性。根据理论推导,碳烟的消光系数为平均质量消光系数和总质量浓度之积,而平均质量消光系数表达式中的各项均可通过理论分析、计算和实验方法得到。另外,对平均质量消光系数随碳烟粒径和聚合粒子尺寸的变化规律进行了理论分析,预测随着碳烟粒径和聚合粒子尺寸减小,碳烟的平均质量消光系数先快速减小,然后进入缓变区,慢慢减小。     

一类正交空间填充设计的构造

空间填充设计在计算机试验中应用十分广泛,当拟合回归模型时,正交的空间填充设计保证了因子效应估计的独立性.基于广义正交设计,文章给出了构造二阶正交拉丁超立方体设计和列正交设计的方法,新构造的设计不仅满足任意两列之间相互正交,还能保证每一列与任一列元素平方组成的列以及任两列元素相乘组成的列都正交.当某些正交的空间填充设计不存在时,具有较小相关系数的近似正交设计可作为替代设计使用.设计构造的灵活性为计算机试验在实践中的广泛应用提供了必要的支持.     

多集值信息表中的多粒度模糊决策论粗糙集

多粒度粗糙集和决策论粗糙集是Pawlak粗糙集的重要推广,目前已成为人工智能研究的热点.然而,它们大多处理的都是单值信息系统中的问题.而实际生活中绝大多数都是处理多值问题,为了解决这一问题,在多集值信息表中将多粒粗糙集与模糊决策论粗糙集相结合进行研究,提出了其在乐观,悲观情形下的上下近似,研究了一些相关性质并给出了多集值信息表中的多粒度模糊决策论粗糙集精度、粗度的概念,最后通过一个具体例子验证其有效性.     

基于SMA模型的扩张型心肌病影响基因分析

医学研究表明约30%的扩张型心肌病与遗传因素有关,因此从基因水平寻找其病因及发病机制越来越引起国内外学者的重视.采用针对超高维数据的序贯模型平均(SMA)方法对扩张型心肌病转基因小鼠微阵列数据建立回归模型,确定哪些基因对小鼠中G蛋白偶联受体的过表达有影响从而导致小鼠的心肌病,结果发现Msa.2877.0,Msa.741.0,Msa.768.0和Msa.2604.0四个基因是影响小鼠扩张型心肌病的主要基因,且SMA对该数据的拟合和预测都明显优于以往常用的SIS,L2boost及Lasso等变量选择方法.研究结果对进一步了解人类心脏病的发病机理有一定的借鉴意义.     

新组合模型在光电功率预测中的应用

为提高光伏预测要求的精准性,文章提出一种新算法将神经网络和ARMA算法改进组合,构成NEW ARMA-BP模型算法.以某30兆瓦的光伏电站采集的输出功率为输入样本,基于ARMA和BP神经网络算法在Matlab环境下依次搭建了相应的预测模型,预估光伏短期输出量.采用"误差正态检验图"判断基于两种不同算法的误差水平,依据两种单模型预测误差,运用所提出的新方法计算权值并获得新的预测值.基于Matlab的仿真结论验证了组合预测在光伏输出预测领域的适用性.