重整汽油近红外光谱的稳健偏最小二乘解析

近红外光谱(ＮＩＲ)光谱复杂,组分间光谱重叠严重,目前,多元线性回归(ＭｕｌｔｉｐｌｅＬｉｎｅａｒＲｅ ｇｒｅｓｓｉｏｎ,ＭＬＲ)和偏最小二乘法(ＰａｒｔｉａｌＬｅａｓｔ ｓｑｕａｒｅｓ,ＰＬＳ)是近红外光谱分析中使用最多和效果较好的方法[1]。稳健偏最小二乘(ＲｏｂｕｓｔＰａｒｔｉａｌＬｅａｓｔ Ｓｑｕａｒｅｓ,ＲＰＬＳ)是由稳健统计学构造的具有稳健性能的多元校正方法。当化学测量中引入随机异常点或误差的内在分布偏离正态分布时,它仍能给予接近最优性能的校正,确保分析结果的准确性,是消除奇异点的非常有效的方法[2-4],…     

一个多元校正的稳健诊断新方法

提出一种新的稳健诊断方法，与最小二乘估计结合进行混合物光谱中非线性点的诊断。文中探讨了该方法的性能，用计算机数字模拟及实际多组分光谱体系夺其进行检验，展示了此诊断方法在分析化学计量学中实际应用的可行性。     

单元复习课:画龙点睛,融会贯通——以“指数与对数单元复习”为例

指数与对数是学生进入高中阶段后学习的一种全新的互逆运算,这样的特殊关系决定了需要站在单元教学高度对两个内容进行整合、重构.“指数与对数单元复习”课基于学生的认知,结合具体问题中数据的呈现,引导学生收集、整理数据,提取有效信息,灵活实施指数与对数运算,有效促进了两种知识的融合与内化,实现了知识结构的重构.     

激光产生的钒硫簇离子的统计分布与结构探讨

以脉冲激光在高真空中溅射钒粉和硫粉的混合物，产生了一系列钒硫原子簇正负离子。根据对其实验记录的激光等离子体质谱进行分析，发现钒硫原子簇的化学键基本上是共价型的，对应于相同钒原子数目的正负离子的相对丰度分别符合于不同形式的对数正态分布。正离子的相对丰度随硫原子数的增加呈对数衰减，由此可以确定各种大小簇合物的簇骼与几何构型；负离子的相对丰度则基本上呈正常的正态分布，说明在簇骼上结合了不同数量硫原子的负离子之结构稳定性大致相近。在实验中还观察到一类硫原子含量较高的簇离子，其中的部分硫原子可能在本身成键形成环状的硫集团后，又与原来的簇骼结合，因而在硫原子数较多时它们的相对丰度符合另一条对数正态分布曲线。     

再谈Minc-Sathre不等式的上下界

用调和平均值、均值不等式之间的关系及对数平均不等式,对Minc-Sathre不等式的上下界进行改进,使结论更精确.     

纵向数据下线性模型的模态回归估计

本文考虑纵向数据下线性回归模型的稳健估计问题.通过结合模态回归(modal regression)方法和二次推断函数(quadratic inference functions)技术,提出了一种基于模态回归的估计过程.证明了回归系数的估计是相合的,并给出了其渐近分布.数据模拟结果表明所提出的估计方法具有较好的稳健性和有效性.     

稳健的模糊回归区间分析

由于传统的回归分析易受到异常值的影响。针对输入变量为实数,输出变量和输入参数为模糊数的情况,给出了一种稳健的模糊回归区间预测模型和算法。该模型基于输出变量的隶属度函数为目标函数,以估计的区间为约束条件。给出的算法具有较强的稳健性,利用该算法估计的区间几乎不受异常值的影响。最后通过一个数值算例,与其他模型算法对比分析,验证了该模型和算法的有效性和稳健性。     

对数平均和双参数广义Muirhead平均之间的比较

本文讨论了两个不同正实数x和y的对数平均L(x,y)=(x-y)/(logx-logy)与双参数广义Muirhead平均M(a,b;x,y)=[(x~ay~b+x~by~a)/2]~(1/(a+b))之间的比较,得到了如下三个结论:(11)若(a,b)∈D_1∪E_1∪L_0,则M(a,b;x,y)L(x,y);(2)若(a,b)∈D_2∪E_2,则M(a,b;x,y)L(x,y);(3)若(a,b)∈D_3∪E_3,则存在x_1,y_1,x_2,y_2,使得M(a,b;x_1;y_1)L(x_1,y_1)和M(a,b;x_2,y_2)L(x_2,y_2).其中D_1={(a,b)∈R~2:a+b≠0,ba,ω_1(a,b)≤0,ω_2(a,b)≤0},E_1={(a,b)∈R~2:a+b≠0,ba,ω_1(a,b)≤0,ω_2(a,b)≤0},D_2={(a,b)∈R~2:ab≤0,ba,ω_1(a,b)≥0},E_2={(a,b)∈R~2:ab≤0,ba,ω_1(a,b)≥0},D_3={(a,b)∈R~2:ba0,ω_1(a,b)0)∪{(a,b)∈R~2:ba0,ω_1(a,b)=0,ω_2(a,b)0}∪{(a,b)∈R~2:ba,ab≤0,ω_1(a,b)0,ω_2(a,b)0},E_3={(a,b)∈R~2:ab0,ω_1(a,b)0}∪{(a,b)∈R~2:ab0,ω_1(a,b)=0,ω_2(a,b)0}∪{(a,b)∈R~2:ab,ab≤0,ω_1(a,b)0,ω_2(a,b)0},L_0={(a,b)∈R~2:a=b≠0},ω_1(a,b)=(a+b)[3(a-b)~2-(a+b)],ω_2(a,b)=(a+b)[2(a-b)~2+1]-3(a~2+b~2).     

基于PCA与偏好强度可调的DEA方法的多响应稳健参数设计

稳健参数设计旨在选择可控因子的水平组合来降低产品或过程对噪声因子的敏感性,能够有效地提高和改善产品的质量.针对多响应参数优化设计中响应间存在相关性的问题,提出了基于主成分分析(Principal Component Analysis,PCA)与偏好强度可调的数据包络分析(Data Envelopment Analysis,DEA)的稳健参数设计;并结合实例验证了方法的有效性.研究结果表明,结合PCA与偏好强度可调的DEA方法能够有效地实现相关多响应的参数优化设计.     

基于统计特性的激光雷达距离像噪声抑制算法

激光成像雷达在工作时会受到噪声干扰,因此需要滤除距离像中无法反映真实信息的异常点。根据激光成像雷达距离像噪声的分布,推导出距离像中非异常值的分布特性,并提出了一种距离像异常值的判定条件。将判定条件表示为小范围内抽样分布的函数,利用稳健统计中的中位值法可估算出判定条件的取值,从而可以移除异常点得到噪声抑制后的距离像。利用该算法分别对激光雷达距离像进行仿真和实际获得的激光雷达距离像进行处理并进行数学分析,并与中值滤波进行了比较,结果表明基于统计特性的噪声抑制算法同时具有很强的噪声抑制能力和保护目标细节信息能力,可以满足激光成像雷达距离像噪声抑制的要求。算法充分利用了激光成像雷达较高的测距精度,可以应对多种场景下的需求,具有很强的实用性。