基于联系数投影的三角模糊数组合预测模型及其应用

在模糊预测中,三角模糊数比区间数更能准确刻画不确定信息。针对三角模糊数组合预测,本文首先引入集对分析中联系数,找出三角模糊数与三元联系数的转换关系,巧妙回避三角模糊数组合预测运算的模糊性和复杂性。其次定义三元联系数运算规则,构建联系数投影作为最优准则,建立联系数投影的定权系数三角模糊数组合预测模型。然后依据高精度预测方法应赋予较大权系数的原则,构建联系数广义诱导有序加权平均(CNGIOWA)算子,研究其性质定理,再结合联系数投影的最优准则,建立基于联系数投影和CNGIOWA算子的变权系数三角模糊数组合预测模型。最后将两类三角模糊数组合预测模型应用到模糊预测实证分析中,结果显示两类组合预测模型都能有效提高预测准确性。     

两水平U-型设计的扩大设计在投影加权对称偏差下的均匀性

均匀设计以其稳健和使用方便、灵活的特性而广受欢迎.为获得实验目标区域内散布均匀的设计点集,不同的均匀度量标准相继被提出.目前被广泛应用的有中心化L₂-偏差、可卷型L₂-偏差、混合偏差等.对称化L₂-偏差具有更好的几何性质,但受限于投影均匀性差的缺陷,使用范围十分有限.为了改进对称化L₂-偏差的低维投影均匀性,基于指数加权方式的投影加权对称化L₂-偏差的概念被提出,加权后的对称化L₂-偏差既能保留原偏差的各种优良性质,同时有效克服原来的缺陷并有更优异的表现.折叠翻转是构造因子设计时非常有用的技巧.本文利用投影加权对称偏差来作为评价折叠翻转方案的最优性准则,得到了两水平U-型设计在一般折叠翻转方案下扩大设计的投影加权对称偏差的下界,该下界可以作为寻找最优折叠翻转方案的基准.     

空间有理参数多项式曲线的整数级绘制算法

讨论了空间有理曲线中心投影后导数上界的估计，基于曲线各阶差分的递推计算，给出了空间有理参数多项式曲线的快速绘制算法．算法只用到整数的加减法，效率高．     

基于组合权重的系统评价模型

提出了基于组合权重的系统评价新模型 ( CWSE) ,即 :直接根据评价指标样本数据集 ,用基于加速遗传算法的投影寻踪方法确定各评价指标的分类权重 ,用基于加速遗传算法的层次分析法确定各评价指标的排序权重 ,用加速遗传算法对各评价指标的分类权重和排序权重进行综合得到组合权重 ,然后以这些组合权重与各评价对象相应评价指标的标准化值进行加权平均 ,得到系统评价的综合指标值 ,据此可对各评价对象进行分类排序 .用 CW SE模型评价中国 30个区域 1995年开发度的结果表明 ,根据开发度的强弱可把这些区域分成 3个强开发区域、6个较强开发区域、10个中等开发区域和 11个弱开发区域 ;CWSE模型简便、通用 ,计算结果较为客观和稳定 ,为系统工程理论和实践提供了新的研究方法 .     

一种基于归一化调制度解调的绝对相位提取方法

传统的绝对相位提取技术通常需要多帧附加编码图案来辅助识别条纹级次,从而导致了投影效率的降低。因此,提出了一种基于归一化调制度解调的绝对相位提取方法。首先利用空分复用技术建立查找表指定与条纹顺序一一对应的唯一码字序列,然后将相移正弦条纹作为载频条纹直接将该码字调制到振幅强度上形成空分复用的组合相移条纹。当该组合相移条纹投影到待测物体上,可从采集的组合变形条纹同时解调出包裹相位和调制强度,再对调制强度做归一化处理,既能有效抑制反射率不均匀影响,也能解调出可定位条纹级次的四灰度码字,实现了无需附加编码图案的绝对相位提取。为了提高多级灰度码字提取的鲁棒性,利用图像形态学处理操作来分割图像的灰度,并提出了一种半周期连通域码字纠正方法。实验结果验证了所提方法的可行性和有效性。     

线性约束最优化的一个共轭投影梯度法

本结合共轭梯度法及梯度投影法的思想,建立线性等式约束最优化的一个新算法,称之为共轭投影梯度法。分别对二次凸目标函数和一般目标函数分析和论证了算法的重要性质和收敛性。     

NOETHERIAN GR-REGULAR RINGS ARE REGULAR

It is proved that for a left Noetherian z-graded ring A,if every finitely generated graded A-module has finite projective dimension(i.e-,A is gr-regular)then every finitely generated A-module has finite projective dimension(i.e.,A is regular).Some applications of this result to filtered rings and some classical cases are also given.     

PP回归方法在预测模型中的应用－用PP回归建立“积累”“消费”模型

本文利用ＰＰ回归方法,建立“积累”“消费”回归模型,并与最小二乘法拟合的线性回归模型相比较,说明用ＰＰ回归建立的模型预测精度较高．     

卷积神经网络用于近红外光谱古筝面板木材分级

目前,我国乐器制作行业在古筝面板用木材等级的筛选上主要依赖于技师主观评判,但此法缺少科学理论的依据,效率低,客观性及出材率的提高等方面受到限制,无法满足乐器市场的大量需求。实现古筝面板用木材快速、智能化的分级工作是一个急需解决的课题。近红外光谱非常适用于测量含氢的有机物质。古筝面板木材主要化学成分的化学键均由含氢基团组成,不同等级板材的化学成分存在差异,这些差异反映在近红外光谱中,为判断木材等级提供了可能。同时卷积神经网络对非线性数据具有较强的特征提取能力,所以提出一种应用卷积神经网络模型对光谱数据进行分析的方法,进而判别木材的等级。应用了Savitzky Golay一阶、二阶微分两种预处理方法和核主成分分析、连续投影算法两种数据压缩方法,通过所设计的卷积神经网络模型以样本识别准确率和模型构建过程中的损失值作为判定指标选出最佳预处理和数据压缩方法。为了提高模型提取分析光谱数据的能力和避免过拟合现象,应用了多通道卷积核、批量归一化和early stopping策略,将通过两层卷积层提取的特征信息送入全连接层,从而充分提取剩余信息,通过Softmax函数获得板材的最终预测等级,从而确定了最终模型。最终Savitzky Golay一阶微分和核主成分分析为最佳数据处理方法,同时得出用于区分不同等级的古筝面板用木材的主要关键谱带,分别为1 163~1 243, 1 346~1 375和1 525~1 584 nm。将该模型应用于测试集样本,古筝面板用木材的等级识别准确率为95.5%。实验结果表明所提出的方法可以高效地处理光谱数据,有效识别区分不同等级的古筝面板用木材的关键特征,从而为广阔的乐器市场提供一定的技术支持。