泌乳曲线拟合理论的探讨

建立泌乳曲线模型对奶牛的生产和育种具有重要意义。Ｗｏｏｄ及其改进模型、改进多项式模型、回归模型和逆多项式模型等都是较为常用的泌乳曲线模型。改进多项式模型和回归模型可以通过变量变换获得参数的优化估计值，而另两种模型变量变换后，却只能获得参数的近似估计值，以该近似估值做为初值，采用高斯－牛顿法才能优化估计模型参数，为建立某种意义下最佳泌乳曲线模型，本文还对非线性模型拟合结果的统计检验进行了探讨，并建议引入多元统计比较分析方法，揭示泌乳过程的统计检验和遗传规律。     

塑封焊球阵列焊点三维形态预测及其"整体"近似优化设计

针对传统优化技术进行焊点三维形态优化时费时耗力且浪费计算资源等缺点，提出采用“整体”近似优化技术，结合线性最小二乘方法，BP（Back Propagaiton）神经网络，在整个设计变量空建立问题函数近似面，利用该函数近似面来求取目标函数最大值，并得到相应的设计变量值，达到爆点三维形态优化设计的目的，最后对线性最小二乘模型，BP神经网络拟合非线性函数的能力和近似优化能力进行了比较讨论，结果表明，利用“整体”近似优化技术来优化设计焊点形态是简便可行的，且BP网络模型拟合“整体”近似函数面比线性回归模型具有更高的精度，所得的近似优化结果更理想。     

一类概率约束稀疏线性回归模型

提出了一类带有概率约束的稀疏线性回归模型,一定程度上改善了经典模型的不足.通过概率和数学期望的关系,以及非负实数集合的指示函数可以用两个凸函数之差近似的性质,建立了其保守近似模型,同时建立了近似模型和原模型的最优解集合,稳定点集合之间的收敛关系.为了求解近似模型,利用凸函数差的性质,建立了序列凸近似算法,并证明了其收敛性.注意序列凸近似的子问题是随机优化问题,其中随机变量可以用Monte Carlo随机抽样进行近似.可以证明Monte Carlo近似问题的结果以概率1收敛到序列凸子问题.最后数值实验说明了该方法的有效性.     

基于Kalman-BP协同融合模型的含沙量测量

针对黄河含沙量测量易受环境因素影响而导致测量结果不准确的问题,提出基于卡尔曼和BP神经网络(Kalman-BP)的协同融合模型,将含沙量、水温和流速等传感器输出值经过卡尔曼滤波器进行滤波处理;然后经BP神经网络模型对含沙量信息和环境量信息进行多传感器数据融合;最后建立了含沙量测量的反演模型.为了比较Kalman-BP神经网络的协同处理方法的融合效果,在相同环境下还进行了一元线性回归模型和多元线性回归模型的含沙量数据处理,并进行了误差分析比较.实验结果表明,Kalman-BP神经网络协同融合模型的测量误差较小,提高了含沙量测量系统的精度.     

基于支持向量回归机和粒子群算法的改进协同优化方法

研究基于支持向量回归机和粒子群算法的改进协同优化方法.阐述了协同优化方法和支持向量回归机方法基本原理,为有效解决系统级优化协调困难问题,改善收敛性能,提高收敛速度,采用支持向量回归机构造系统级约束条件的近似模型,引入粒子群算法求解系统级和学科级优化问题.仿真计算结果表明,设计的协同优化方法可有效求解多学科设计优化问题,...     

建筑物沉降预测的非等间距灰色模型

本文介绍了传统灰色GM（1,1）模型和非等间隔数列的灰色模型建模问题,并结合高层建筑物沉降观测实例进行建模、分析、预测,并与多元线性回归模型结果进行了比较,验证了该灰色模型在建筑物沉降监测分析中的实用性和有效性。     

欠热沸腾两相系统声压波动时间序列模型的研究

通过对欠热沸腾两相热声效应的实验研究及声压波动时序的动态数据采集，运用时间序列分析方法进行实验建模，建立近似ＡＲ时序模型。在此基础上得到系统声压波动时序的自回归功率谱并分析其频谱特性，发现了管内欠热沸腾热声振荡的“频率聚合”特性；近似验证了系统“声放大”区的存在，揭示了系统自组织的非线性发展过程和自激振荡特征，最后，探讨了时序模型的应用－－声压波动时序的短期预测。     

基于改进APG的鲁棒光谱回归在人脸识别中的应用

针对人脸识别中传统的光谱回归方法对于由类标签错误和面部遮挡产生的误差很敏感的问题,提出了基于加速近似梯度的鲁棒光谱回归方法。首先将鲁棒判别子空间的学习问题转化成最大相关熵问题,得出光谱目标和预测之间的最大相关解;然后对相关熵采用总变分正则化,进而学习空间平滑的人脸结构;最后基于半二次化优化的附加形式,将最大相关熵问题投影到混合正则化模型,并通过加速近似梯度算法进行有效优化。在FRGC人脸数据库上的实验结果表明,所提方法对于类标签错误和面部遮挡具有鲁棒性和有效性,与其它几种常用的线性回归、光谱回归方法相比,不仅提高了识别率,而且大大地降低了计算开销。     

基于高斯过程回归的建筑物震陷量预测模型

城市抗震防灾系统是一个复杂开放巨系统,系统中由于灾情的动态演化导致的建筑物震陷量形成机理也日趋复杂。本文根据高斯过程理论和贝叶斯规则,对训练样本进行的“归纳推理学习”,即综合先验信息,调整各随机变量的后验分布,进而提出基于高斯回归过程的建筑物震陷量非线性预测模型。采用EP算法获得预测样本潜在函数的近似后验高斯分布,并对其超参数和协方差函数的选择进行了探讨,利用LSSVM模型、PLS模型和MLR模型等统计模型对建筑物实测震陷样本进行预测训练,通过模型的交叉验证分析及建模参数详细对比分析,验证了预测模型的科学性和可靠性,可为城市抗震防灾决策提供借鉴。     

基于用户及物品间差异的推荐算法研究

推荐系统是解决信息过载问题最有效的工具之一,协同过滤是目前推荐算法中广泛应用的技术,然而协同过滤算法存在着诸如数据稀疏、难以扩展等问题.在基于偏好算法的基础上,通过把用户评分按照用户评分偏好和物品得分趋势分类,在每类上进行线性回归,得到了基于用户及物品间差异的回归模型.该模型不仅能改善数据稀疏和可扩展性问题,而且能够降低计算复杂度和空间复杂度.实验结果表明改进后的算法在近似的计算复杂度情况下,预测精度比基于偏好算法平均提高了3.97%.     

深圳证券市场的CAPM模型实证分析

对深圳股市的资本资产定价模型(CAPM)进行时间序列数据和横截面数据检验,研究了股市风险与收益的关系,对深圳股市的特点进行了分析.发现深圳股市不满足资本资产定价模型(CAPM),系统风险与收益虽存在正相关,但不是线性关系;市场投机氛围过重,说明市场还不成熟.     

一种改进的线性回归模型

本文阐述了一种改进的线性回归模型——偏最小二乘回归模型的基本原理,并结合实例指出当变量间存在着线性关系时,普通的多元线性回归建模方法会失效;通过对偏最小二乘回归模型和主成分回归模型的系数估计精度及预测精度两方面的比较,说明要消除变量间的线性关系,前者优干后者。     

R统计软件在统计教学中的应用

在讲授统计基本思想方法的同时利用统计软件进行辅助教学,以提高学生利用专业知识解决实际问题的能力已成为现代统计教学的重点;以回归模型为例介绍了R统计软件在统计教学中的应用。     

PLS回归应用实例

在研究因变量y与p个自变量的线性回归关系时 ,常遇到自变量间存在多重共线性的问题。文献 [3]介绍了用PLS回归来消除多重共线性的方法。本文通过两个例子的计算建立PLS回归 ,并发现了PLS回归实施过程中的若干问题 ,提出了一些自己的看法     

一类回归方程的稳定性及两条回归直线的比较

文章介绍一元线性回归中回归方程的稳定性及两条回归直线的比较方法,并举实例加以说明, 具有一定的实际指导意义。     

承压水漏斗中心最低水位的岭回归

针对最小二乘回归方法，回归系教的显著性F检验，如果F〉临界值，则线性回归显著，但当多元回归模型的设计矩阵存在近似线性相关（称为复共线），即｜X^TX｜≈0，这时这一判别标准不具备普遍意义。本文结合实例对设计矩阵出现复共线关系进行岭回归。     

多元回归分析方法应用实证分析与比较

利用多元统计分析的线性回归分析理论,首先对糖尿病临床采集数据进行相关分析,了解因素之间的相关关系,其次分别采用线性回归的前进法、后退法、逐步回归分析方法,探讨糖尿病病人胰岛素每日注射初始剂量与其影响因素之间的线性关系.根据回归方程调整相关系数、AIC准则等,对比选择最优应用回归模型,确定胰岛素用量及其主要影响因素血糖、尿蛋白的回归模型,对医生临床治疗提供参考.     

基于多重共线性的Lasso方法

多重共线性是多元线性回归分析中的一个重要问题,消除共线性的危害一直是回归分析的一个重点.就此问题介绍了一种Lasso方法,并设计了一种选择最佳模型的方法.通过实例分析,将其与常用方法进行比较,从结果可看出,Lasso回归在处理多重共线性问题上较其他方法更加有效.     

环境监测分析中线性回归方程系数的讨论

线性回归已广泛应用于环境监测分析,本文对线性回归方程系数的正负和大小进行了讨论.     

统计模型和博弈论视角下的杭州房价影响因素分析

以杭州市统计年鉴数据为基础,进行了多种统计回归以找出与房价关系最密切的因素.在博弈论视角下分析了房地产参与各方的博弈矩阵,并对纳什均衡条件进行了探讨.