针对工程应用对预报技术要求的不断提高以及现有预报方法存在的问题,本文提出了一种局域支持向量回归(Local Support Vector Regression,LSVR)和误差区间估计相结合的概率预报方法,该方法利用局域支持向量回归降低噪声对点预报的干扰,...针对工程应用对预报技术要求的不断提高以及现有预报方法存在的问题,本文提出了一种局域支持向量回归(Local Support Vector Regression,LSVR)和误差区间估计相结合的概率预报方法,该方法利用局域支持向量回归降低噪声对点预报的干扰,提高预报的可靠性和准确性,利用非参数核估计获取误差区间,避免误差概率分布特性假设,再将点预报和误差区间结合获得预报置信区间,并进一步给出了联合预报置信区间.最后,给出了电网负荷预报和供热负荷预报算例,验证了所提出方法的有效性和实用性.展开更多
针对接收信号强度(received signal strength,RSS)的时变性降低WLAN室内定位精度的问题,提出了一种基于核直接判别分析(kernel direct discriminant analysis,KDDA)和混洗蛙跳最小二乘支持向量回归机(SFLA-LSSVR)的定位算法,该算法通过...针对接收信号强度(received signal strength,RSS)的时变性降低WLAN室内定位精度的问题,提出了一种基于核直接判别分析(kernel direct discriminant analysis,KDDA)和混洗蛙跳最小二乘支持向量回归机(SFLA-LSSVR)的定位算法,该算法通过核函数策略将采集的各接入点(access point,AP)的RSS信号映射到非线性领域,有效提取了非线性定位特征,重组定位信息,去除冗余定位特征和噪声;然后采用LSSVR算法构建指纹点定位特征数据与物理位置的映射关系模型,采用SFLA算法优化该关系模型的参数,并用该关系模型对测试点的位置进行回归预测.实验结果表明:提出算法在相同的采样次数下的定位精度明显优于WKNN,ANN,LSSVR算法,并且在相同的定位精度下,采样次数较大减少,是一种性能良好的WLAN室内定位算法.展开更多
在非参数统计中,局部多项式回归是重要的工具,然而以往研究的算法基本都是非递推的.本文研究递推的局部线性回归估计及其应用.首先推导出递推算法,给出了回归函数及其导函数的非参数估计.在一定的条件下,证明了算法的强一致性.并且通过...在非参数统计中,局部多项式回归是重要的工具,然而以往研究的算法基本都是非递推的.本文研究递推的局部线性回归估计及其应用.首先推导出递推算法,给出了回归函数及其导函数的非参数估计.在一定的条件下,证明了算法的强一致性.并且通过仿真例子研究了它在非线性条件异方差模型的回归函数估计和非线性ARX(nonlinearautoregressive system with exogenous inputs,NARX)系统辨识中的应用.展开更多
文摘针对工程应用对预报技术要求的不断提高以及现有预报方法存在的问题,本文提出了一种局域支持向量回归(Local Support Vector Regression,LSVR)和误差区间估计相结合的概率预报方法,该方法利用局域支持向量回归降低噪声对点预报的干扰,提高预报的可靠性和准确性,利用非参数核估计获取误差区间,避免误差概率分布特性假设,再将点预报和误差区间结合获得预报置信区间,并进一步给出了联合预报置信区间.最后,给出了电网负荷预报和供热负荷预报算例,验证了所提出方法的有效性和实用性.
文摘针对接收信号强度(received signal strength,RSS)的时变性降低WLAN室内定位精度的问题,提出了一种基于核直接判别分析(kernel direct discriminant analysis,KDDA)和混洗蛙跳最小二乘支持向量回归机(SFLA-LSSVR)的定位算法,该算法通过核函数策略将采集的各接入点(access point,AP)的RSS信号映射到非线性领域,有效提取了非线性定位特征,重组定位信息,去除冗余定位特征和噪声;然后采用LSSVR算法构建指纹点定位特征数据与物理位置的映射关系模型,采用SFLA算法优化该关系模型的参数,并用该关系模型对测试点的位置进行回归预测.实验结果表明:提出算法在相同的采样次数下的定位精度明显优于WKNN,ANN,LSSVR算法,并且在相同的定位精度下,采样次数较大减少,是一种性能良好的WLAN室内定位算法.
文摘在非参数统计中,局部多项式回归是重要的工具,然而以往研究的算法基本都是非递推的.本文研究递推的局部线性回归估计及其应用.首先推导出递推算法,给出了回归函数及其导函数的非参数估计.在一定的条件下,证明了算法的强一致性.并且通过仿真例子研究了它在非线性条件异方差模型的回归函数估计和非线性ARX(nonlinearautoregressive system with exogenous inputs,NARX)系统辨识中的应用.
