摘要：提出将交叉验证方法和逐步回归方法相结合实现建模变量的筛选 ,与RBF网络相结合用于建立定量构效关 (QSAR)研究的数学模型 ,并用于不对称有机磷的QSAR研究。

摘要：交叉验证策略广泛应用于分类问题的模型比较和模型选择中.文章提出一种均衡7×2交叉验证并给出了相应的构造方法.文章以分类回归树(CART)为考察模型,对比了采用均衡7×2交叉验证、组块3×2交叉验证、标准5折和10折交叉验证在模型选择中的性能.模拟结果表明,在小规模数据集上,均衡7×2交叉验证方法选择到真模型的概率明显高于其余三种交叉验证的选择方法.

摘要：主要介绍了基于机器学习的网络异常诊断的模型设计与实现。不同于常见的通过无监督学习进行模型设计及实现的方式,该模型从生产实际出发,结合实际的KPI数据与KPI异常评判的多样性,进行模型设计、训练和优化,实现了网络异常诊断模型的构建。在此基础上,通过集合生产数据在线训练,逐步提升模型精度。

摘要：基于高速列车初始外形的参数化设计,针对各个优化目标建立对应的基于交叉验证方法的Kriging模型;为保证预测精度且尽量减少加点数量,基于最优解点和预测标准差最大点的2点加点准则,利用多目标优化算法得到满足约束条件的Pareto最优解集;利用测试函数验证优化设计方法的可靠性。以3辆编组高速列车为例,以整车气动阻力系数、流线型部分容积、尾车气动侧向力系数和尾车倾覆力矩系数为优化目标,以鼻锥厚度、鼻锥引流、鼻锥高度、车体宽度、司机室视角和排障器形状为设计参数,进行横风环境下高速列车的外形优化。结果表明:多目标优化算法可应用于高速列车头型的优化设计;利用各设计参数与优化目标的作用规律,可指导高速列车头型的工程改进设计。

摘要：在工程优化设计中,采用数值仿真模拟计算结构响应需耗费大量的时间和计算成本,给计算密集型的优化设计带来了巨大挑战,因此基于代理模型的序列优化设计方法得到了深入研究和广泛应用。对代理模型的序列优化方法框架进行了简要的概述;针对现有方法中存在的不足,发展了一类模型无关的混合加点准则,使优化循环过程中产生的新样本点分布在当前最小值邻域以及设计空间中交叉验证误差较大的区域,局部开发与全局搜索并行,能够更加准确地找到全局最优解;将发展的混合加点准则引入到代理模型优化框架中,并结合粒子群优化算法,提出了一种高效的代理模型优化设计方法;通过数学算例和工程算例对建议方法进行了验证。算例结果表明,与基于传统加点准则的代理模型优化设计方法比较,建议方法能够兼顾计算精度与效率,具有更好的全局寻优特性。

摘要：采用双层规划描述了普通克里金法中理论变异函数模型参数求解问题.针对传统变异函数模型参数求解过程中容易受人为不确定性因素影响的问题,建立了以交叉验证统计结果最优和个体样本满足最优无偏线性估计为目标的双层规划模型,并给出了相应的求解方法.该方法根据交叉验证结果优化调整上层系统随机给定的变异函数模型参数,可以减少变异函数模型参数求解过程中人为不确定等因素的影响,从而可以获得合理的理论变异函数模型参数和较好的空间插值结果最后,以土壤pH值为例,通过与加权最小二乘法比较验证了采用该方法的有效性和合理性.

摘要：机器学习算法模型为住宅低碳设计与优化提供了数据支持。然而,在碳排放预测与分析时,算法模型常被直接使用,而未考虑调参与寻优,且不同自变量数据集对模型预测效果的影响差异也有待明确。为揭示不同算法模型对寒冷地区住宅低碳设计的指导效果、向建筑师提供算法模型的选择依据,针对多元线性回归、分类回归树、随机森林、自适应增强算法、梯度提升回归树和多层感知机等在低碳设计中常用的算法模型进行寻优,对比分析不同算法和自变量数据集的适用性与预测性能。该文说明了算法模型寻优的目标边界、参数取值范围、寻优过程和论证方法。在37栋寒冷地区钢筋混凝土剪力墙结构住宅及其衍生方案的基础上,采用交叉验证和网格搜索,建立了120个建材碳排放预测模型和60个将稳态耗热量转换为动态耗热量的转化系数预测模型。对比结果表明:总体上,多元线性回归、随机森林和梯度提升回归树算法的碳排放预测性能更好。其中,随机森林和梯度提升回归树算法在误差控制方面表现更佳,但预测优度与多元线性回归算法相近,且可解释性较差。采用恰当的自变量数据集,如建筑总层数、建筑层高、建筑面宽与进深等形体尺度参数,标准层户数与卧室数等功能配置参数,以及采暖期室外平均温度、实际供暖天数、屋面和墙面传热系数的修正系数等城市气象参数,多元线性回归算法能够为寒冷地区住宅低碳设计与优化提供更直观、有效的指导。

摘要：针对现有的3种最具代表性的卫星星座设计方法的缺点,提出了层次递进的卫星星座设计方法.该方法采用基于CART算法的卫星星座原始构型选择策略,可将星座构型的求解空间缩小至少53.3%.利用CART6.0软件构建了选择卫星星座原始构型子集的CART树,运行速度达到7.9s,分类精度达到97.15%,10阶交叉验证的相对成本为0.033.结果表明:采用这种策略选择卫星星座原始构型还具有可扩展性强、准确性高和易于实现的优点,为卫星星座构型模块化设计建立了良好的基础.

摘要：分子性质预测模型是针对特定应用需求筛选设计化学品的有力工具,然而诸多相关建模过程中的测试集划分、交叉验证、算法选择等关键环节普遍存在严谨性不足的问题,模型真实预测性能难以保证。以基团贡献法预测离子液体密度为例,探讨了分子性质预测模型建模过程中数据集划分和交叉验证的重要性,提出了自动基团划分方法并研究了数据集中基团涉及分子个数对预测精度的影响。通过对比五种回归算法(多重线性回归、岭回归、随机森林、支持向量机、神经网络),基于岭回归的基团贡献模型预测性能最佳,在由1078种离子液体、共计23034个数据点组成的数据集上得到的平均相对误差为1.88%。

摘要：针对涂层表面缺陷检测工业化应用过程中对识别准确率和速度的需求,本文在MobileNetV2网络的基础上提出一种涂层表面缺陷识别方法。设计了递进式分类器,通过逐层筛选压缩有用特征实现高精度的快速识别操作,并在骨干中加入跨局部连接结构,以丰富网络中的基础特征并增加特征尺度信息。将交叉验证和迁移学习相结合以优化训练方法,在大幅度缩减训练耗时的同时使网络具有更优的初始状态和更快的性能提升率。结果表明:本文方法在采集的涂层表面缺陷数据集上准确率达到了99.48%,速度和精确度分别提升11.74%、8.38%,参数量降低20.89%,训练时间缩短36.77%,与其他分类网络相比,在综合考虑准确率和速度的情况下具有最佳表现。本文方法同时具有较高的识别准确率、较快的识别速度和较短的训练耗时,符合实际工业应用需求。