正交表的数据分析及其构造

正交表的数据分析及其构造

ID:6727894

大小:32.00 KB

页数:5页

时间:2018-01-23

正交表的数据分析及其构造_第1页
正交表的数据分析及其构造_第2页
正交表的数据分析及其构造_第3页
正交表的数据分析及其构造_第4页
正交表的数据分析及其构造_第5页
资源描述:

《正交表的数据分析及其构造》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、正交表的数据分析及其构造【摘要】:全文分三个部分共十章。第一部分给出一种从全局到局部的正交表数据分析新方法,称为GL算法(Global-LocalAlgorithm)。主要用来求解已知或者未知多元系统函数的稳定中心。所谓稳定中心,相当于一个多元函数的自变量的一个点,在这个点处一方面它的多元函数值接近一个给定的目标值,另一方面,在这个自变量点的一个给定的区域内,相应的多元函数值波动很小。第二部分给出一种利用投影矩阵的正交分解构作正交表的新方法,称为矩阵象构作法(MatrixImageConstructi

2、on正交表的数据分析及其构造【摘要】:全文分三个部分共十章。第一部分给出一种从全局到局部的正交表数据分析新方法,称为GL算法(Global-LocalAlgorithm)。主要用来求解已知或者未知多元系统函数的稳定中心。所谓稳定中心,相当于一个多元函数的自变量的一个点,在这个点处一方面它的多元函数值接近一个给定的目标值,另一方面,在这个自变量点的一个给定的区域内,相应的多元函数值波动很小。第二部分给出一种利用投影矩阵的正交分解构作正交表的新方法,称为矩阵象构作法(MatrixImageConstruc

3、tion正交表的数据分析及其构造【摘要】:全文分三个部分共十章。第一部分给出一种从全局到局部的正交表数据分析新方法,称为GL算法(Global-LocalAlgorithm)。主要用来求解已知或者未知多元系统函数的稳定中心。所谓稳定中心,相当于一个多元函数的自变量的一个点,在这个点处一方面它的多元函数值接近一个给定的目标值,另一方面,在这个自变量点的一个给定的区域内,相应的多元函数值波动很小。第二部分给出一种利用投影矩阵的正交分解构作正交表的新方法,称为矩阵象构作法(MatrixImageConstr

4、uction)。正交表的第j列的矩阵象A_j正好是方差分析中的第j个因子的平方和S_j~2=Y~TA_jY中的投影矩阵.方差分析中的第i个和第j个因子的平方和S_i~2和S_j~2的独立性等价于矩阵象A_i和A_j的正交性。而矩阵象A_i和A_j的正交性等价于正交表的正交性。因而我们不但可以用投影矩阵正交分解技术进行数据分析,而且可以用这个技术构造正交表。历史对正交表的构作方法多用于对少量的等水平的对称正交表的构作,而矩阵象构造法对大量的混合水平正交表的构作更有效,可以构造出相当规模的GL算法所需要的

5、各种各样的正交表。第三部分给出GL算法的应用技术。包括指标转化、问题转化和数据转化三方面的内容。指标转化是指如何把数学中的解方程组、解非线性规划、求多元函数积分和求多元函数偏导数等的数学指标经指标转化变成GL算法求解稳定中心的指标;问题转化是指如何把统计中的估计、预测和检验问题转化为GL算法求解稳定中心的问题:数据转化是指如何把一般常见的数据转化成正交试验下的数据,从而也能用GL算法解决问题。全文的目的是要说明:GL算法是一个有理论基础、具有可实现性(可以构造它所需要的各种正交表)、可操作性强和应用面

6、广泛的统计数据算法。【关键词】:稳定性不变性信息分解比正交表试验设计投影矩阵置换矩阵【学位授予单位】:华东师范大学【学位级别】:博士【学位授予年份】:2006【分类号】:O241.6【目录】:摘要11-12ABSTRACT(英文摘要)12-13主要符号对照表13-15第一章绪论15-19第一部分正交表的数据分析-GL算法19-89第二章GL算法的基本定理21-362.1问题的提出21-232.1.1问题21-222.1.2设计与试验22-232.1.3数据232.2波动分解基本定理23-312.2.1

7、风险函数的分解23-272.2.2平均方差指标的控制27-292.2.3偏离度指标的控制29-312.3正交表基本定理31-362.3.1描述因子x_j水平k的示性集合31-322.3.2正交表的强度32-332.3.3正交化变换33-36第三章全局分析-G步计算36-563.1扭曲度的估计36-413.2扭曲度的性质41-443.2.1扭曲度与正交设计的选取无关41-423.2.2扭曲度与容差Δx的等比例变大或者变小无关42-433.2.3扭曲度关于数据变换的不变性43-443.3扭曲度的预测44-

8、483.3.1因子x_j水平k的扭曲度的估计44-453.3.2用因子x_j水平k的扭曲度U_(jk)~2(x~0)对更新点扭曲度U_H~2(x~*)的预测45-483.4在不考虑目标时对扭曲度的调优48-513.5G步算法介绍51-533.5.1无目标信息分解比估计表51-523.5.2试验数据的稳定性变换523.5.3无目标信息分解比估计表和试验数据的稳定性变换相结合52-533.6全局分析的实际例子53-56第四章局部分析-L步计算56-894.1

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。