导读:本文包含了型增长曲线模型论文开题报告文献综述及选题提纲参考文献，主要关键词:图像重排问题,增长曲线模型,交替方向乘子法,临近点算法
型增长曲线模型论文文献综述
王双月[1]（2019）在《求解图像重排问题与增长曲线模型的交替方向乘子法》一文中研究指出数码相机发展和日益普及导致视觉数据量急剧增加,并且所拍图像通常包含显着的光线照明变化,如部分遮挡或未对齐等.因此,如何设计可靠有效的算法对批量图像重新排列是计算机视觉领域中的一个基本问题.增长曲线模型是统计学领域的一类传统问题,主要研究与短时间序列,重复测量和纵向数据有关的增长问题等.交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)将复杂的问题分解为易求解的子问题,通过对每个子问题求解进而得到整个问题的最优解.本文研究ADMM在图像重排问题与增长曲线模型中的应用,分析算法的收敛性,并通过数值试验测试所提算法的有效性.第一章,首先,介绍本文所需要的优化知识,给出求解两块问题的半临近ADMM,介绍用于求解多块问题的对称Gauss-Seidel半临近ADMM.然后,简单介绍图像重排问题及增长曲线模型问题,并给出关于两种问题的部分研究成果.最后,简单陈述本文的主要工作,并列出本文所使用的符号.第二章,首先构造包含自适应校正项的图像重排问题,然后利用基于对称Gauss-Seidel技术的ADMM进行求解.分析所提算法与两块带有特殊临近点项结构的半临近ADMM的等价性,从而确保该算法的收敛性.最后,通过数值试验验证所构造模型的优越性和算法的有效性.第叁章,构造带有自适应群lasso惩罚函数的广义最小二乘估计的增长曲线模型,分析模型的统计性质并利用半临近ADMM求解.由于模型的特殊结构,则两块形式的ADMM等价于直接推广的叁块的半临近ADMM,从而有利于子问题求解.此外,推导所提增长曲线模型的对偶问题,并利用直接推广的ADMM求解.第四章,总结全文并提出值得进一步研究的问题.(本文来源于《河南大学》期刊2019-06-01）
刘玲,史江宁,王华峰[2]（2018）在《构建数学模型,解析种群增长曲线》一文中研究指出针对《生物·必修3·稳态与环境》第4章第2节"种群数量的变化"教学过程中存在的困难,基于学生的现有水平和学习经验,运用描点连线绘制曲线图的方法,构建种群增长的数学模型、种群增长率及增长速率的模型,最终取得很好的教学效果。(本文来源于《中学生物教学》期刊2018年20期）
潘雅婷[3]（2018）在《纵向数据的混合增长曲线模型》一文中研究指出纵向数据是对观测样本按时间顺序或空间顺序追踪感兴趣信息得到的一类数据,样本中每一个观测个体在不同时间点或不同实验条件下进行了多次测量,所以数据既有时间序列数据的性质又有截面数据的特点。纵向数据分析的一种重要研究工具是增长曲线模型,它在一般的多元线性模型之上引入已知的组别设计矩阵实现了对观测个体纵向趋势的组别控制,该模型有着两大优势:第一,增长曲线模型是一种参数统计方法,由其所得的统计推断结果更为精准;第二,一般来说增长曲线模型给出的参数估计具有简明表达式,这使得它在实际应用中简单易操作。也因为这些原因,增长曲线模型在经济、生物、医疗和流行病等方面有着广泛的应用。在增长曲线模型的研究领域中,已经有许许多多的研究在关注模型参数估计的问题,但是这些研究大多集中于估计效果的改良,而对原生模型结构中的一些狭义设定尚未进行讨论,本文主要针对几个十分重要的模型结构问题展开研究。研究中拓展了增长曲线模型的两个重要结构假设,首先把组别矩阵从已知修改为未知,然后将协方差矩阵从无结构修改为有结构。一方面,增长曲线模型中的组别设计矩阵并非总是可知的,在实际数据当中表现为一些纵向观测个体接受过什么处理或具有哪些特征并不清晰明朗,因此组别设计矩阵已知的严格设定限制了增长曲线模型在这一类问题中的应用。另一方面,增长曲线模型中的协方差矩阵可能具有某种特殊结构,在具体分析当中体现为多次纵向观测之间明显地存在着一种特定的相关关系,然而协方差矩阵无结构的粗略设定使增长曲线模型忽视了纵向数据中的重要特征信息。因此,为了能合理地构建统计分析模型,并能充分地提取纵向数据信息,本文的研究内容围绕着这两个模型假设的拓展展开,先后在两种最为常见的协方差结构(均匀结构、一阶自回归结构)下讨论了组别矩阵随机的增长曲线模型构建,并详细地研究了两个新模型的参数估计。文中的研究方法可归纳为以下五个:1.模型转换,针对不可知的组别矩阵,充分地利用增长曲线模型的先验信息进行先验假定,假设组别矩阵中各列向量服从分类分布,将增长曲线模型转化为类似于混合分布模型的形式,通过这样的随机混合转化得到了混合增长曲线模型;2.模型精简,针对具有特定结构的协方差矩阵,将关注的两种协方差矩阵代回混合增长曲线模型的定义中简化待估参数,得到了两种精简的特定协方差结构混合增长曲线模型;3.EM算法,利用EM算法来解决模型估计过程中始终无法绕开的未知信息难题,顺利对两种全新的精简模型进行了参数估计;4.退化验证,通过在新模型之中代入已知的组别矩阵研究了新模型的退化问题,进而推论了组别矩阵已知的特定协方结构增长曲线模型与本文提出的特定协方差结构混合增长曲线模型的关系;5.计算分析,分别通过大量的模拟计算分析和实际数据分析验证了所提出的两种新精简模型的参数估计效果。本文的研究结论可总结为以下四项:1.提出了均匀协方差结构下的混合增长曲线模型和一阶自回归协方差结构下的混合增长曲线模型;2.获得了这两种全新精简模型的参数极大似然估计;3.推论了组别矩阵已知的特定协方差结构增长曲线模型就是本文所提出的特定协方差结构之下混合增长曲线模型的特例,换而言之,证明了本文提出的两种模型是相应的特定协方差结构增长曲线模型的广义形式;4.验证了两个新精简模型不仅拥有优良的估计效果,还有着高效的聚类能力。本文的研究贡献可概述为以下叁条:一是推广了增长曲线模型,新混合增长曲线模型为实际分析中纵向数据具有增长趋势却无法获得组别信息的这类问题提供了研究途径;二是证明了纵向观测的不同协方差结构对模型估计存在重要影响,特定协方差结构的混合增长曲线模型为具体分析中纵向观测间具有相关关系的这类数据提供了分析方法;叁是实现了纵向数据聚类,混合增长曲线模型为曲线聚类分析提供了新工具,形象来说其参数估计中对随机组别矩阵的估计即是曲线判类。(本文来源于《云南财经大学》期刊2018-06-05）
程毛林[4]（2017）在《基于偏最小二乘法的组合S型增长曲线预测模型与应用》一文中研究指出在许多时间序列预测中,常用S型曲线描述增长过程。由于S型曲线形式多样,结构不同,对同样观测值预测,结果略有差别。为了增加预测精度,提高预测的可靠性,考虑不同增长曲线预测结果存在多重共线性,该文利用偏最小二乘法,建立组合S型增长曲线,实例表明组合S型增长曲线预测结果精度高。(本文来源于《苏州科技大学学报(自然科学版)》期刊2017年02期）
王理峰,朱道元[5]（2016）在《二次损失下带约束的增长曲线模型的Minimax估计》一文中研究指出文章对于带椭球约束的增长曲线模型,在二次损失函数下给出回归系数在线性估计类中的Minimax估计,证明该估计是压缩有偏、可容许估计。在一些特殊的情形下,该估计包括了增长曲线功效岭回归估计、多元线性Minimax估计等。(本文来源于《统计与决策》期刊2016年24期）
邢晓沛,王美芳[6]（2016）在《父母体罚与儿童青少年问题行为之间的双向关系及其性别差异——基于潜增长曲线模型的分析》一文中研究指出已有研究发现,父母体罚与儿童问题行为之间存在密切关系,但多数研究主要从父母效应方向来考察这一问题。少数探讨两者之间双向关系的研究也主要关注父母体罚"水平"与儿童问题行为"水平"之间的关系,且研究结论较不一致。考虑到体罚和问题行为均会随时间推移而发生变化,且两者之间的关系可能会因测查对象所处发展阶段的不同而不同,本研究通过追踪设计采用潜增长曲线模型深入考察在不同的年龄组群体中父母体罚与儿童青少年问题行为两者中一方的先前水平对另一方随后较长一段时期内变化趋势的影响及方向问题。此外,本研究将同时关注父亲和母亲及男孩和女孩以初步探索在这一双向关系中可能存在的性别差异。研究分别选取小学一年级、叁年级和初中一年级儿童青少年及其父母为被试进行追踪测查,时间间隔为一年,共测查叁次,以亲子冲突解决策略量表(CTSPC)的中文修订版测查父母的体罚行为,以儿童行为核查表(CBCL)测查儿童青少年的内外化问题行为。结果发现,对于小学一年级儿童来说,母亲体罚与儿童外化问题之间存在双向关系,母亲体罚与内化问题之间的关系主要表现为儿童效应,父母体罚与儿童内外化问题行为之间的关系不明显;对于小学叁年级儿童来说,母亲体罚与儿童外化问题之间存在双向关系,母亲体罚与儿童内化问题行为,父亲体罚与儿童内外化问题行为间的关系均表现为儿童效应;对于初中青少年来说,父母体罚与青少年内外化问题行为之间均存在双向关系。即在童年期,父母体罚与儿童青少年的问题行为之间的关系中儿童效应更占优势,而到青春期后,儿童效应与父母效应大小相当。此外,在叁个年龄组中,体罚与儿童青少年内外化问题行为间的关系及其方向并不会因儿童性别的不同而不同。父母体罚的初始水平越高,男孩和女孩在随后叁年内的内外化问题行为的下降速度越慢,同样,儿童青少年问题行为的初始水平越高,父母对男孩和女孩实施体罚的下降速度也越慢。(本文来源于《第十九届全国心理学学术会议摘要集》期刊2016-10-14）
倪明明[7]（2016）在《组别设计阵未知的增长曲线模型》一文中研究指出在统计学中,增长曲线模型是一种特殊的多元线性模型也称为广义多元方差分析模型(GMANOVA)。增长曲线模型是一般线性模型的推广,它比一般线性模型含有更广的应用范围和更加丰富的理论内涵,因此得到广泛关注。增长曲线模型在经济,生物,医疗和流行病方面有着广泛的应用,也是序列相关和重复观测的纵向数据的基础分析工具。虽然增长曲线模型得到广泛的应用,但是对于组别设计阵未知的增长曲线模型的参数估计与分类问题一直没有得到解决。本文主要针对组别未知的增长曲线模型的参数估计和分类问题,主要使用的方法为EM算法。在统计学中,EM算法是一个迭代寻找最大似然函数或者最大后验函数的过程。这种算法可以广泛的应用于处理缺损数据,截尾数据,带有噪声等所谓的不完全数据。在1977年Arthur对EM算法进行解释和给出它的名字。在1977年Dempster对EM算法进行推广与收敛的证明。研究内容与方法:前人所研究的增长曲线模型主要针对组别设计矩阵为已知情况,进行参数估计,而本文所要解决的是组别设计阵未知的增长曲线模型的参数估计,因此这些方法并不适用。本文主要通过分析EM算法在高斯混合模型中的理论知识及其的应用,发现此方法可以解决设计阵为未知情况的增长曲线模型的参数估计难题。如果想要将EM算法运用于组别设计阵未知的增长曲线模型,则需要计算增长曲线模型的对数似然函数与其EM算法中的E-STEP和M-STEP,其中E-STEP为似然函数在给定信息和上一次迭代的参数下对缺失数据的求均值,然后再M-STEP中,求解关于未知参数的似然函数最大化,并且反复迭代直到收敛。但是由于计算机精度的问题,我们不能随机选出初始值,在这里,我们设计了两种选择初始值的方法。第一种为假定,并且通过最小二乘法计算初始值的估计,然后进行迭代。第二种方法为假定设计阵为一种已知情况,然后通过组别设计阵已知的方法进行参数估计与,并将此作为初始值。对矩阵设计阵未知模型的参数估计的渐进方差,本文提出两种方法,最后采取bootstrap方法。而对于模型的参数选择问题,本文运用AIC与BIC准则进行参考。最后运用计算机模拟和真实数据,验证本文提出的方法在实际数据中的效果。总的来讲,本文将EM算法运用到组别设计阵未知的增长曲线模型,并进行参数估计,最后证明了EM算法在增长曲线模型的实际合理性。关于参数选择方面,我们主要运用AIC准则对变量进行选择。本文为组别设计矩阵未知的增长曲线模型的参数估计提供一种思路与方法。通过本文算法,可以为符合这类增长曲线数据提供一种分类方法。对于组别设计矩阵未知的增长曲线模型,本文提供了一种基础方法与思考路径。并且该方法在实际中可应用于药效诊断与金融分析。(本文来源于《云南财经大学》期刊2016-05-01）
程毛林[8]（2015）在《基于叁角函数增长曲线的回归预测模型与应用》一文中研究指出在非线性回归模型中,增长曲线是常常研究的重要模型,文中探讨基于叁角函数增长曲线的回归预测模型。研究表明,叁角函数增长曲线对数据的拟合有较强的适应性,应用较为广泛。在进行非线性最小二乘估计时,确定模型参数初始值是重要问题,文中给出模型参数初始值的确定方法,进而建立回归预测模型。实证分析表明,拟合效果良好。(本文来源于《苏州科技学院学报(自然科学版)》期刊2015年04期）
金涛[9]（2015）在《逻辑斯蒂增长曲线模型的优选研究》一文中研究指出逻辑斯蒂增长曲线模型对于邮电规划预测业务是非常有用的模型,本文首先对逻辑斯蒂增长曲线模型可以线性化改造,利用最小二乘法原理简化公式,再结合0.618最佳选优方法优化模型,最小化残差平方和,较好完成的进行数据拟合。(本文来源于《中国建材科技》期刊2015年04期）
高万德[10]（2014）在《区域经济增长曲线的数学模型》一文中研究指出区域经济的发展,受不同因素的影响。如社会总产值、农业、工业、固定资产、科技交通、教育、建筑等多个指标的制约。通过关联度分析的方法,建立数学模型,对甘肃经济进行简要优势分析,以便提供必要的参考依据,构建符合甘肃地域发展的投资决策系统,提升政府投资决策能力,促进甘肃地方经济的全面发展。(本文来源于《甘肃科技》期刊2014年20期）
型增长曲线模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对《生物·必修3·稳态与环境》第4章第2节"种群数量的变化"教学过程中存在的困难,基于学生的现有水平和学习经验,运用描点连线绘制曲线图的方法,构建种群增长的数学模型、种群增长率及增长速率的模型,最终取得很好的教学效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
型增长曲线模型论文参考文献
[1].王双月.求解图像重排问题与增长曲线模型的交替方向乘子法[D].河南大学.2019
[2].刘玲,史江宁,王华峰.构建数学模型,解析种群增长曲线[J].中学生物教学.2018
[3].潘雅婷.纵向数据的混合增长曲线模型[D].云南财经大学.2018
[4].程毛林.基于偏最小二乘法的组合S型增长曲线预测模型与应用[J].苏州科技大学学报(自然科学版).2017
[5].王理峰,朱道元.二次损失下带约束的增长曲线模型的Minimax估计[J].统计与决策.2016
[6].邢晓沛,王美芳.父母体罚与儿童青少年问题行为之间的双向关系及其性别差异——基于潜增长曲线模型的分析[C].第十九届全国心理学学术会议摘要集.2016
[7].倪明明.组别设计阵未知的增长曲线模型[D].云南财经大学.2016
[8].程毛林.基于叁角函数增长曲线的回归预测模型与应用[J].苏州科技学院学报(自然科学版).2015
[9].金涛.逻辑斯蒂增长曲线模型的优选研究[J].中国建材科技.2015
[10].高万德.区域经济增长曲线的数学模型[J].甘肃科技.2014