针对多变量预测模型模式识别方法中的最小二乘拟合可能出现病态的问题,提出了基于岭回归的多变量预测模型(Ridge regression-Variable Predictive Model based Class Discriminate,RVPMCD)分类方法,该方法通过引入岭参数,降低其均方拟...针对多变量预测模型模式识别方法中的最小二乘拟合可能出现病态的问题,提出了基于岭回归的多变量预测模型(Ridge regression-Variable Predictive Model based Class Discriminate,RVPMCD)分类方法,该方法通过引入岭参数,降低其均方拟合误差,减小自变量间复共线性关系对参数估计的影响,改善了原方法中最小二乘回归拟合参数失真的现象,从而有望建立更加准确的预测模型。对滚动轴承的振动信号提取特征值,组成特征向量,采用RVPMCD方法对训练样本建立预测模型,利用RVPMCD所建立的预测模型进行模式识别。实验分析结果表明,基于岭回归的多变量预测模型分类方法可以更有效地对滚动轴承的工作状态和故障类型进行识别。展开更多
应用经典统计学和地统计学方法,分析了八达岭地区土壤全氮(TN)在不同层次(A,B,C)的空间变异特征。同时结合地理信息系统(GIS),分析了该地区植被类型和土壤TN之间的关系。应用分类回归树模型(classification and regression trees,CART)...应用经典统计学和地统计学方法,分析了八达岭地区土壤全氮(TN)在不同层次(A,B,C)的空间变异特征。同时结合地理信息系统(GIS),分析了该地区植被类型和土壤TN之间的关系。应用分类回归树模型(classification and regression trees,CART)分析了土壤TN和海拔与植被分布格局的关系。得到以下结论:(1)TN在A、B、C层平均值分别为2.94、1.30、0.63g/kg,变异系数(CV)分别为33%、33%、45%,都表现为中等变异。(2)TN在不同土层的变异函数理论模型符合球状模型,TN在A层为弱空间相关,在B、C层为中等空间相关。(3)泛可里格插值表明,TN在不同层次都表现出了明显的空间分布趋势。不同植被类型所对应土壤全氮的空间分布则各不相同。(4)CART研究结果表明,该区植被类型分布格局可大致划分为四大部分。可初步确定海拔725m,TN含量4.23 g/kg和5.69 g/kg为影响该区植被分布格局的重要参考值。展开更多
文摘针对多变量预测模型模式识别方法中的最小二乘拟合可能出现病态的问题,提出了基于岭回归的多变量预测模型(Ridge regression-Variable Predictive Model based Class Discriminate,RVPMCD)分类方法,该方法通过引入岭参数,降低其均方拟合误差,减小自变量间复共线性关系对参数估计的影响,改善了原方法中最小二乘回归拟合参数失真的现象,从而有望建立更加准确的预测模型。对滚动轴承的振动信号提取特征值,组成特征向量,采用RVPMCD方法对训练样本建立预测模型,利用RVPMCD所建立的预测模型进行模式识别。实验分析结果表明,基于岭回归的多变量预测模型分类方法可以更有效地对滚动轴承的工作状态和故障类型进行识别。
