航天型号参数—费用模型分析

本文用灰色关联理论分析了参数—费用模型 ,根据关联度大小取舍参数并进行了多元线性回归 ,然后对线性回归方程作了弹性分析     

跟踪机动目标的参数辩识——滤波两步走算法

本文提出了一种跟踪机动目标的参数辩识—状态估计两步走算法。由于采用了描述目标运动的状态自回归新模型,使得算法具有线性递推的形式,避免了既往两步走算法的不足。文中还对典型的目标俯冲机动,做了仿真分析,结果证明这种两步走算法是有效的。     

离散SAR目标跟踪滤波器的Closed—Form解

本文运用Vaughan非迭代方法,推导了三维状态空间自回归(SAR)模型稳态跟踪滤波器的闭型(Closed—Form)由于SAR模型把目标运动性质规范化为一向量参数θ=[θ_1θ_2θ_3]~T。因而它的稳态解比[1]、[2]给出的结果更具有一般性。     

变系数二重回归法

本文提出一种变系数二重回归法。此方法主要优点在于能够在速度较慢、存贮容量较小的微型计算机上实现次数较高的二元函数回归。用本文方法进行回归计算量小,计算程序简单,并且在回归过程中易于进行回归分析。最后两节给出初速偏差修正量的回归实例和两种不同的回归方法,得到了殊途同归的结果。     

面向监督学习的稀疏平滑岭回归方法

岭回归是监督学习中的一个重要方法,被广泛用于多目标分类和识别。岭回归中一个重要的步骤是定义一个特殊的多变量标签矩阵,以实现对多类别样本的编码。通过将岭回归看作是一种基于图的监督学习方法,拓展了标签矩阵的构造方法。在岭回归的基础之上,进一步考虑投影中维度的平滑性和投影矩阵的稀疏性,提出稀疏平滑岭回归方法。对比一系列经典的监督线性分类算法,发现稀疏平滑岭回归在多个数据集上有着更好的表现。另外,实验表明新的标签矩阵构造方法不会降低原始岭回归方法的表现,同时还可以进一步提升稀疏平滑岭回归方法的性能。     

含P—N键有机磷酸酯化合物的定量构效关系研究

利用经典Hansch参数，采用包括偏最小二乘法(PLS)、遗传算法(GFA)及二者相结合(G／PLS)等方法对合成的含有P—N键的有机磷酸酯类一系列化合物进行了定量构效关系研究，得到了r^2为0．9以上、q^2为0．8以上的结果，并对3种回归方法进行了评价。     

抗日战争实现了台湾回归

抗日战争的胜利实现了台湾在分离50年后又回归祖国。这其中,中国抗战为台湾回归创造了历史契机,两岸人民并肩抗战为台湾回归奠定了坚实基础,国民政府乘势而为促使台湾回归终成现实。     

基于改进支持向量回归机的天基信息系统效能评估

天基信息系统效能的评估对于一体化作战的现代战争具有重要意义。针对武器系统效能评估的影响因子复杂、样本数量少、非线性较强等特点,采用支持向量回归机算法,并引入布谷鸟搜索算法对支持向量回归机的3个参数进行优化选取。仿真实验结果表明,改进支持向量回归机与传统支持向量回归机、BP神经网络相比,具有更高的准确度,可以有效地对天基信息系统进行效能评估。     

基于偏最小二乘回归的军用飞机采购价格预测

考虑到军用飞机采购价格样本数据少、难于预测的特点和偏最小二乘回归方法在处理小样本多元数据方面的优势,提出一种基于偏最小二乘回归的军用飞机价格预测方法.偏最小二乘回归首先提取第一、第二主成分对采购价格样本的特异点进行剔除;然后进行变量投影重要度分析来筛选变量;最后,偏最小二乘回归对筛选的变量进行回归建立军用飞机价格预测模型,并对军用飞机价格进行预测.结果表明,在军用飞机价格预测方面,与未筛选变量的回归模型和逐步多元回归相比,经过变量筛选的偏最小二乘回归模型预测的精度更高,更能体现采购价格与飞机性能参数之间的关系.     

回归分析在漏磁定量检测中的应用

通过分析漏磁场,选取法向分量的峰峰值和峰峰值间距作为漏磁通信号的特征量。重点介绍了多元回归分析模型理论、参数估计方法和回归模型的假设检验,得到缺陷宽度、深度与峰峰值和峰峰值间距之间的回归模型,最后利用漏磁数据对回归模型进行了检验,结果表明预测缺陷宽度和深度的误差不超过10%,利用回归分析能够实现漏磁检测的定量化。     

加拿大山猫数据的几种时序模型分析

本文利用四种时间序列模型,即自回归模型、组合模型、疏系数自回归模型、门限自回归模型,分别对时间序列分析中一组有名数据,即加拿大山猫数据,进行模型拟合,并对得到的四个模型及预报结果进行了分析和比较。     

基于模型试验的螺旋桨空泡噪声计算

采用模型试验结合数据回归的方法对螺旋桨空泡噪声进行预报。首先采用两种不同的回归方法对空泡噪声进行预报,然后同大型循环水槽模型试验结果进行比较,对结果进行分析,得到两种回归方法的使用范围。同时,也验证了这一航速对螺旋桨空泡噪声的影响规律。     

基于PCR的战时物资需求预测研究

需求预测作为物资供应的首要环节,是有效消除"需求迷雾",提升保障效能的关键.选取回归分析法作为战时物资需求预测的主要方法,分别构建了多元线性回归和主成分回归预测模型,并结合野战供水实例进行了对比分析.结果 表明,主成分回归模型不仅具有较强的可操作性,而且有较高的预测精度,能有效提升战时物资需求预测水平.     

基于灰色非线性回归模型的故障预测

为克服传统灰色模型的局限性,通过对一阶累加生成序列规律性的分析,将灰色模型和非线性回归模型相结合,构造了一种灰色非线性回归模型。实例仿真结果表明,该模型既拓展了传统灰色模型的适用条件,又比传统灰色模型和非线性回归模型具有更高的预测精度,且适用性广。     

新型教学模式下教学路径探讨——基于本科教育“四个回归”

实现本科教育的“四个回归”,是新时代背景下高等本科教育教学改革应该完成的目标。要围绕学生的主体地位来建构新型教学模式下教学路径中的学生角色。学生刻苦学习是学生主体学习地位的基础,实行一定比例的淘汰制是学生刻苦学习的重要保证,助力实现“回归常识”。在教师主导课程学习的过程中,要以学生究竟能学到什么和事实上学到什么作为衡量教学效果的标准,助力实现“回归本分”。课程全过程评价方式是动态全方面的评价方式,改变了目的性极强的单一期末考试评价机制,打破了期末考试一考定成绩的传统做法,助力实现“回归初心”和“回归梦想”。     

遗传算法在非线性回归模型辨识中的应用

对遗传算法在非线性回归模型辨识中的应用进行了探讨,切削温度回归模型辨识的实例表明,该方法是有效的.     

国防支出与经济增长相关性的回归分析

国防支出与经济增长的关系历来是国防经济理论研究的重要内容,由于模型和数据样本的不同,研究结论也不尽相同。菲德—莱姆模型是国防支出与经济增长关系研究中使用最多的模型,文章应用该模型的变形———四部门模型建立了一元回归模型,采用最小二乘法对我国1980～2004年间国防支出与经济增长的相关性进行了实证分析,得出目前我国国防支出对于现阶段经济增长具有一定的负外部性的结论,并提出了使这种负外部性变为正外部性的措施。     

GM(1，1)模型与指数回归模型的比较与研究

GM(1,1)模型与指数回归模型都是对具有指数或近似指数规律的系列数据建立的数学模型。通过对两种模型进行比较与研究,发现一方面,利用数据列的灰指数特性建立指数回归模型,可以简单地实现数据列的预测过程;另一方面,利用指数回归模型可以对灰色理论的GM(1,1)模型进行控制和优化。     

基于广义回归神经网络的单位运营状况分类

单位的运营状况会直接影响股东和广大人民的利益,针对运营状况可以使用广义回归神经网络进行分类。由于广义回归神经网络中径向基函数的扩展参数Spread的选取会导致分类的准确率,提出了一种果蝇优化算法优化参数Spread的分类模型。充分利用了果蝇优化算法的寻优能力,将优化后的参数代入到广义回归神经网络中对单位的财务数据进行运营状况的分类。结果表明,与广义回归神经网络做比较,优化后的网络模型对数据的分类可以达到很高的准确率,在相关领域的分类上有非常大的实用性。     

基于递阶偏最小二乘回归的飞机采购价格预测

分析了飞机采购价格预测建模样本数据少、价格驱动因子众多的特点,考虑到递阶偏最小二乘回归(Hierarchical Partial Least-Squares Regression,Hi-PLS)方法在变量规模巨大情形下进行回归建模的优势,应用Hi-PLS对飞机采购价格进行预测。以战斗机采购价格预测为例进行了研究,首先对战斗机采购价格驱动因子进行分组,然后应用Hi-PLS对分组后的价格驱动因子进行回归,建立采购价格预测模型。实例表明,在飞机采购价格预测方面,采用递阶偏最小二乘回归预测更能体现价格与飞机性能参数之间的关系。