基于关联模式的回归测试用例约简模型

针对回归测试过程中测试需求不断变更造成的测试用例数量大、测试效率低等问题,提出一种基于关联模式的回归测试用例约简模型。该模型对模块、测试需求及测试用例三者间的关联性进行纵向分析,对测试需求间的关联关系进行横向分析并约简测试需求,进而生成并约简测试用例,实现对修改后的软件进行有效的回归测试。     

基于回归模型的数据挖掘研究

回归分析是数据挖掘系统中的重要方法之一,本文主要研究如何利用回归模型来进行数据挖掘建模,介绍回归模型的3种类型,基于最小二乘法的参数估计和方程的显著性校验,并提出模型的优化方案,包括离群点的检验处理,模型形式的改进和回归自变量的选取。最后根据实例分析其在数据挖掘中的应用。     

基于回归模型的城市长期水量预测

基于对上海市的历史水量数据和上海市历年人口数据的分析,建立了城市年需水量模型和峰值需水量模型,达到了很高的精度。对于缓解上海水资源矛盾,有计划地指导水资源开发利用具有重要意义。     

一种基于自回归模型的网络异常检测方法

随着网络技术的不断发展,计算机病毒、网络攻击等问题也日益严峻.维护网络的安全和稳定,是一个亟须解决的问题.针对该问题,介绍了一种基于自回归模型的网络异常检测方法,该方法将局部的网络流量看作统计学上近似的平稳.OPNET上的仿真实验表明,该方法能有效检测出网络异常,误报率低.     

基于PSpice的TL494宏模型的研究

提出了基于开关电源集成控制器PSpice的开关电源集成控制器TL494的宏模型。由于它包含有开关电源控制所需的全部功能,广泛应用于单端正激、半桥式、全桥式开关电源,所以研究它的PSpice仿真模型对控制芯片的设计分析有重要的意义。首先给出TL494的内部结构和工作原理。对TL494各个功能模块建立了PSpice宏模型电路,再将各个功能模块封装起来,实现了TIA94在PSpice中的模型库。然后设计了基于TL494控制的Buck电路,通过实验对所建模型进行验证,将仿真结果与实验结果进行对比,证明了所建模型的正确性与可行性。     

基于回归模型的CPU超频仿真软件设计

为了帮助认识CPU超频问题并熟悉超频设置操作,进行CPU超频仿真软件设计的全面研究。分析CPU超频的影响因素,介绍超频的方法和操作流程;讨论软件的功能模块结构、模块的运行流程和样本数据的存储方法;重点研究CPU超频后的性能测试结果估计问题,并为此提出了建立回归模型的解决之道;详细探讨了VB.NET与Matlab混合编程的接口与实现途径,并以此种方式完成了程序代码的编写。试用表明,该软件功能完整、界面直观、使用简便,能够为理解超频理论和熟悉超频操作提供有效帮助。     

基于多信号模型的火控系统测试性分析与仿真验证

近年来,产品的测试性在国内已逐步得到人们的重视;在航空航天领域,具有较强机内测试能力、测试性水平高的产品由于任务可靠性高和安全性能好,受到了广泛的欢迎;测试性的仿真验证在武器装备的测试性模型上进行,能够避免实装试验的一些缺点,是实现武器系统测试性详细设计、指标验证,武器系统测试性效能综合评价的新技术;通过采用基于多信号模型的系统测试性分析与仿真验证方法,对某型主战坦克火控系统的测试性分析与测试性水平进行了评估,作为在陆军装甲装备中开展测试性工作的探讨,以期为新研武器装备测试性水平和故障诊断能力的提高起到一定的参考作用。     

MEMS降阶宏模型仿真平台研究

随着MEMS系统级设计成为研究的热点,MEMS系统级CAD的开发日益重要.论文介绍了一种基于降阶宏模型MEMS系统级仿真平台,通过有限元方法提取MEMS器件几何物理数据.建立MEMS器件有限元模型.利用Krylov子空间算法缩聚自由度建立宏模型,通过系统级仿真平台对此进行系统级仿真. 整个流程通过VC++编译器调用ANSYS、嵌入封装的算法动态链接库、集成SIMULINK系统仿真器完成.并用双端固支梁实例对所有模块加以验证,仿真结果准确,计算效率较高.     

带隐变量的回归模型EM算法

带有隐变量的回归模型具有非常广泛的应用场合,隐回归模型的参数求解问题依赖于自变量的分布假设。基于自变量的beta分布的假设条件,给出了隐回归模型的EM算法,详细地推导了模型中的参数求解过程,给出了使用牛顿法求解beta分布参数的算法,并提出一个合适的初值选择算法。在模拟数据和真实数据的基础上进行了详细的比较性试验,结果表明,对具有不同分布特征的因变量观察值,EM算法能够有效地求解隐回归模型的参数。     

基于模态分析的静电驱动圆薄板宏模型建立方法

为了研究静电致动圆板静态和动态特性,在模态分析法的基础上,利用多维非线性函数的Levenberg-Marquardt拟合方法,将板的动能、弹性能和电容写成以模态坐标表示的解析式.结合Hamilton原理,导出静电致动微圆板的动力学特性方程的宏模型.以此为基础研究了板的静态特性及其三角波、方波信号激励下的动态响应.结果表明,模态分析方法能够考虑到残余应力的影响,所建立的动态宏模型不仅大大地减少了计算费用,而且具有足够的仿真精度.     

基于遗传算法回归分析技术研究

该文将各种回归分析的数学模型综合在以泰勒公式为基础的同一模型下,采用遗传算法确定回归方程的系数,提出了一种确定回归方程系数的方法。遗传算法应用于回归分析技术将大大减少回归分析中人工干预程度。     

基于灰色神经网络的绕丝参数回归分析设计

现阶段工业生产中绕丝加工存在一定的报废率,对原材料造成一定的浪费,尤其在贵重金属加工行业.以铂丝绕丝加工为例,首先对绕丝工艺中的5个关键参数,即拉力强度、延展值、断裂负载、灌注孔径、阻力进行回归分析,证明合格率与各参数之间不存在线性关系;其次利用灰色神经网络对来自工厂的加工数据进行预测分析,找出绕丝生产过程中的最大影响...     

一种基于Boosting的在线回归算法

针对实时数据的在线处理问题,提出了一种基于Boosting的在线回归算法,通过对学习机适宜度置信区间的定义,建立了对概念漂移的实时判断方法,利用最新流入的数据块,及时对集成算法中的个体学习机进行逐一迭代更新,从而起到在线学习的效果。通过对标准数据库的数据建立仿真模型,验证这种在线回归算法可以与离线Boosting回归算法达到相似的精度,同时占用较少的存储记忆单元,提高学习速度,能够对学习机参数进行及时调整;该算法还可引入到工业生产中,对生产数据起到实时监控的作用。     

一种基于pathchar算法的改进的网络端到端带宽测量方法

在网络端到端带宽的测量中,Pathchar测量算法是目前网络链路带宽测量算法中最成功的算法之一,但是也存在不能对反方向路径上各段链路带宽进行测量、背景流量和逐跳误差累积影响等问题.本文提出一种改进的基于pathchar的测量方法较好的解决了上述问题,提高了测量的精度和抗干扰性.     

基于回归问题的选择性集成算法

提出一种应用于回归问题,以分类回归树为基学习器,并综合Boosting和Bagging算法的特点,利用变相似度聚类技术和贪婪算法来进行选择性集成学习的算法——SER-BagBoosting Trees算法。将其与几种常用的机器学习算法进行比较研究,得出该算法往往比其他集成学习算法具有更好的泛化性能和更高的运行效率。     

一种基于迭代Bagging的回归算法

在集成算法中,Bagging算法能够在回归预测中有效地减少方差,但在减少偏置方面却没有明显的效果.针对这一问题,提出一种迭代Bagging回归算法,在每个独立阶段的学习中通过Bagging算法和个体学习机初始权值的随机化设置来减小方差;同时,又通过减小方差后的回归残差进行多个阶段的迭代计算,并将各阶段结果叠加,在减小方差的同时达到偏置的减小,从而使得泛化误差更大程度的减小,得到更精确的预测结果.通过对标准数据集和实际数据的仿真实验证明,此方法可以达到比单纯Bagging算法更好的回归预测效果.     

基于多项式回归的四带图像偏色校正算法

针对可见光图像在受到红外光串扰的情况下产生的偏色现象,提出了一种基于多项式回归构建解串扰矩阵的四带图像（RGB三带和IR近红外带）偏色校正算法,该算法在特定的光源条件下,利用标准色卡的24个色块,采用多项式回归的思想构建解串扰矩阵.使用该解串扰矩阵对同种光源条件下拍摄的四带图像进行偏色校正,达到去除红外光串扰的目的.实验结果表明,该方法只需进行一次标定校正矩阵,就可以对同种光源条件下拍摄的不同图像进行偏色校正,恢复图像自然的色彩.     

加权支持向量回归的权值确定方法

针对标准支持向量回归中由于噪声和野点造成的回归误差.提出了一种基于线性规划的权值确定方法.该方法的基本思想是首先根据样本偏离数据域距离的不同,采用线性规划下的一类分类算法得到一个权值确定函数,然后将得到的权值确定函数应用于加权支持向量回归,加权的目的是为了减弱噪声和野点对回归结果的影响.实验表明,该权值确定方法与标准支持向量回归相比,可以有效减小回归误差,提高支持向量机抗噪声的能力.     

基于蒙特卡洛方法的粒子滤波算法研究

针对非线性、非高斯问题,文章详细分析了贝叶斯滤波的原理及其进展.采用近似线性及高斯假设处理,传统的卡尔曼滤波提供了一种很好的解决方案.但是,真实世界的非线性、非高斯问题存在,使得人们得不寻找一种更好的最优滤波方法.基于随机滤波理论、贝叶斯统计量和蒙特卡洛方法的粒子滤波理论迅速发展,并广泛应用到数字通信、目标跟踪、计算机视觉和机器故障诊断领域.