结构方程模型参数估计的GME方法

提出应用广义最大熵的方法对结构方程模型的参数进行估计,该方法能够处理有限的或者不完全数据。为了验证广义最大熵方法在估计结构方程模型参数时的性能,采用了一个应用于美国顾客满意指数(ACSI)的结构方程模型生成仿真数据,仿真结果表明,与PLS相比,GME方法具有更高的拟合精度和较低的预测误差,在样本数据较少时,表现更为明显。     

失效概率函数求解的高效算法

结合基于分数矩约束的极大熵方法和替代模型法,发展了一种失效概率函数求解的高效算法。所提算法的基本思路是利用自主学习的迭代Kriging方法来构造失效概率函数,即采用较少的训练样本来构造粗糙的失效概率函数,在此基础上通过添加新的违反学习函数约束的样本来更新失效概率函数,直到达到精度要求。对于每一个分布参数的训练样本点,所提方法采用分数矩约束的极大熵法来求解相应的失效概率样本。由于分数矩的计算采用了高效的降维积分,并且由于分数矩约束下极大熵法中优化策略高效地逼近了响应的概率密度函数,从而使得失效概率样本能够被高效高精度地估计出来。为了检验所提方法的精度及效率,给出了两个算例,对比了所提方法与已有的失效概率函数求解的Bayes公式法及Monte Carlo法等,结果表明,所提方法适用于求解复杂的功能函数问题,且在满足精度要求的基础上大大降低了计算量。     

基于状态的装备可靠度模型及其应用

为应用基于状态的装备可靠度模型,实现对装备的精确维修,采用了比例风险模型（Proportional Hazards Model,PHM）将装备的年龄信息及检测所得状态信息融入系统的风险函数中。考虑到样本包含截尾数据的情形,应用极大似然估计方法对模型中的参数进行了估计以及相应的模型检验。通过对该方法在一个实际案例中应用的详细分析,验证了方法的可行性。     

基于压力测量的发动机汽缸磨损寿命预测方法

对不同摩托小时的某型坦克发动机进行了实车检测试验,采用压力传感器测量了发动机汽缸压缩压力,分析了汽缸压缩压力随发动机使用时间的变化趋势。分析了汽缸套磨损的特点及对发动机使用寿命的影响。针对发动机汽缸磨损的非线性特点,建立了人工神经网络预测模型,实现了对坦克发动机汽缸使用寿命的预测。     

基于Bayes方法的射击密集度评估

以某远程武器射击密集度鉴定问题为对象,研究了运用Bayes 理论从仿真试验数据中提取有用信息,从而实现在少量试验样本情况下有效完成射击密集度试验鉴定任务的方法.将最大熵法应用于射击密集度估计,介绍了运用自助(Bootstrap)法从仿真试验结果中获取验前信息的基本思想和一般方法,以及在获得验前信息后结合现场试验样本进行射击密集度鉴定的方法.     

基因短序列模式分析及其在5'剪接位点识别中的应用

短序列模式分析是基因序列分析的一个重要组成部分,在进行生物信号识别的时候,一般都会利用到短序列模式的信息。通常短序列模式的数目很多,如果每个都应用到生物信号识别中,会产生大量的参数,而且无法体现信号的主要特征。为了找出在识别信号位点中起关键作用的短序列模式,以信息增益作为评价依据,按照逐步选择的策略,将模式进行排队。根据排队结果,选取信息增益突出的短序列模式作为识别生物信号的关键依据,这样可以用较少的模式得到较好的结果。结合选取的短序列模式,用最大熵模型作为信号序列真实分布的估计,从而对给定序列进行识别。最后将这个方法用于5’剪接位点的识别,得到了满意的结果。     

噪扰条件下相位测距中的解模糊问题

针对相位测距雷达在采用参差频差关系测距时的解距离模糊问题 ,本文给出了在两两互素参差关系及实际噪扰条件下正确解模糊的条件及其证明 ,并且讨论了解模糊的快速算法、采用参差频差关系测距时的理论测距误差以及为保证可靠解模糊所需的信噪比问题。     

椭圆状裂纹应力强度因子确定及抽油杆疲劳寿命预测

借助实验数据和公式逼近得到了带有椭圆状裂纹,承受拉-拉载荷的抽油杆的应力强度因子。将此应力强度因子代入Paris公式,即可预测抽油杆的剩余疲劳寿命。计算表明,当抽油杆上初始裂纹尺寸α_0<1.90mm时,预测疲劳寿命与实验值可较好地吻合。     

一类有增益网络的最大流模型

一般带容量限制的网络图中流出源点与流入汇点的流量相等,但在实际应用中,存在一类流量经过弧发生变化的网络,使得流出源点与流入汇点的流量不相等。针对此类问题,建立了增益网络最大流模型,并通过增设虚弧将增益网络转换成循环网络,利用循环网络中汇点流量瞬间平衡的优点简化了模型。最后,结合实例进行分析,编写程序对实例进行了计算,计算结果验证了该模型的有效性。     

基于相关熵的MACH滤波器

最大平均相关高度(MACH:Maximum Average Correlation Height)滤波器是一种重要的基于相关的模式识别方法。滤波器由训练数据线性构造而成,具有良好的畸变容忍能力,在线性高斯噪声条件下具有理论最优性。为将算法适用于广泛的非线性、非高斯情形,本文引入一种新的度量函数相关熵,可隐性地将输入数据通过非线性变换映射到特征空间;并在新的空间中提出了基于相关熵的MACH滤波器构造方法。最后将此方法应用于合成孔径雷达(SAR:Synthetic Aperture Radar)图像目标分类进行了实验,在接收机工作性能曲线和峰值旁瓣比的比对中,本文算法的性能均有所提升。