导读:本文包含了线性回归论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:线性,模型,误差,牙轮,金属陶瓷,视距,专业。
线性回归论文文献综述
董晓萌[1]（2019）在《基于多元线性回归的统计学专业满意度影响因素分析》一文中研究指出本文以部分高校统计学专业学生为主要调查对象,对统计学专业满意度进行相关分析及多元线性回归分析,得到最优回归拟合方程,结果表明:是否会推荐此专业对总体满意度的解释贡献量最大;课程体系、就业前景、教师队伍的综合素质和学生刚接触此专业时的态度对其所学专业满意度影响也较为重要,进而给出相关意见和建议。(本文来源于《价值工程》期刊2019年36期）
范鹏飞,张冠[2]（2019）在《基于线性回归和神经网络的金属陶瓷激光熔覆层形貌预测》一文中研究指出目的研究激光熔覆关键工艺参数(激光功率、扫描速度、送粉速率)与单道熔覆层宏观形貌(宽度、高度、熔池深度)之间的数量关系,以实现对WC-Co50复合熔覆层形貌的预测,从而为牙轮钻头的修复提供参考。方法设计不同的实验参数,利用4k W光纤激光器在牙轮钻头钢15MnNi4Mo表面熔覆单道WC-Co50复合涂层。采用工业显微镜观察单道熔覆层的横截面宏观形貌,并测量其叁维尺寸。在上述形貌参数的基础上,分别运用多元线性回归分析和人工神经网络方法,建立关键工艺参数与熔覆层宏观形貌之间的关系模型,并将实验结果与模型预测结果进行对比。结果总体来讲,神经网络对熔覆层形貌的预测结果更为精确,平均相对误差为5.3187%;多元线性回归分析预测的平均相对误差为6.0028%。分析表明,对熔覆层宽度的预测结果最精确,两种方法的平均相对误差仅为1.2999%;对高度及熔池深度的预测结果稍差,平均相对误差分别为8.0586%和7.6237%。结论两种预测方法都具有较高的精度,但神经网络法函数关系不明确,运算过程复杂,需要通过进一步的算法优化来提高预测精度。(本文来源于《表面技术》期刊2019年12期）
朱银旺,濮久武[3]（2019）在《Matlab线性回归在芙蓉大坝变形分析中的应用》一文中研究指出芙蓉大坝经过多年的蓄水运行,为分析大坝变形的影响因素,评定大坝时效变形及其发展情况,预测未来在一定环境条件下效应量的变化范围,对今后可能出现的最不利环境因素组合条件下的大坝运行作出安全评估和预报。采用多元线性回归对大坝水平位移进行定量分析,建立了大坝运行环境量与大坝变形之间良好的回归模型,判断时效变形的收敛及稳定时段,得出大坝后期不同运行工况的变形状态和运行性态,取得了较好效果。图3幅。(本文来源于《小水电》期刊2019年06期）
苏兆路,潘春阳[4]（2019）在《基于灰关联分析法和多元线性回归模型的有轨电车能耗预测》一文中研究指出针对传统的有轨电车能耗预测模型缺少对能耗影响因素进行显着性量化分析的问题,提出灰关联分析法和多元线性回归模型相结合的有轨电车能耗预测方法。首先通过有轨电车动力学模型分析有轨电车能耗影响因素,然后利用灰关联分析法计算这些影响因素的关联度,最后选取关联度较大的因素作为模型输入变量,根据多元线性回归模型建立有轨电车能耗预测模型。经实验验证,新建模型的平均预测误差为2. 29%,相比已有文献中提出的回归模型其预测误差更小。因此,该能耗预测模型能够更好地反映有轨电车能耗变化趋势。(本文来源于《信息技术与网络安全》期刊2019年12期）
陈若萍,李荣,叶义琴[5]（2019）在《带AR(1)误差线性回归模型中杠杆点的度量与影响分析》一文中研究指出杠杆点的度量与影响分析是回归诊断中的一个重要问题.本文通过构建投影矩阵和拟投影矩阵,对带AR(1)误差且存在复共线性的线性回归模型中广义最小二乘估计、主成分估计、r-k类估计、r-d类估计杠杆点的度量和影响进行了模拟分析与实证分析,并对各估计杠杆点的度量值做了比较研究.(本文来源于《湖北民族学院学报(自然科学版)》期刊2019年04期）
江力,徐海川,张磊,熊绍文[6]（2019）在《NLOS环境中的线性回归最小二乘叁维定位算法》一文中研究指出针对室内非视距无线环境中移动终端的叁维定位问题,提出了一种非视距无线环境中基于线性回归与最小二乘法的叁维定位算法。首先,基于无线通信环境中波达时间(TOA)的测量误差具有正偏置的特性,运用线性回归估计测试终端到基站之间的非视距测量距离误差与真实距离之间的线性关系;然后,根据该线性关系运用最小二乘原理对移动终端进行叁维几何定位。实验结果表明,算法具有较高的定位精度,最大定位误差不超过2 m,且在非视距环境下,所提出的定位算法不仅不需要TOA的时延分布先验知识,而且定位精度优于其他基于TOA的两阶段最小二乘定位算法的定位精度。(本文来源于《湖南工业大学学报》期刊2019年06期）
张晋青,张楠,谢秀梅,李景[7]（2019）在《成年青海公牦牛体重与体尺性状线性回归模型的构建》一文中研究指出试验以3.5～4岁成年青海高原牦牛、雪多牦牛、环湖牦牛公牛为研究对象,通过测量牦牛体重以及体高、体斜长、胸围等体尺性状,并对各性状相关性进行了统计分析,探究了与成年公牦牛体重密切相关的体尺性状,建立了体重与体斜长、胸围的最优线性回归模型。结果表明:影响成年青海公牦牛体重的主要体尺性状为胸围和体斜长,并且其体重与体斜长、胸围呈显着线性关系。该结论可用于实际生产中成年青海公牦牛体重的估算。(本文来源于《中国草食动物科学》期刊2019年06期）
郭娟[8]（2019）在《基于存在交互项的多元线性回归汽车油耗预测模型》一文中研究指出本文将多元统计分析作为基础和前提,以mtcars数据集的相关汽车数据为例,以每加仑汽油行驶英里数mpg为因变量,马力hp、车重wt、drat以及其交互项为自变量,用R软件分别建立多元线性回归预测模型,并对其进行模型评估和回归诊断。(本文来源于《广西质量监督导报》期刊2019年11期）
王鹏宇,项树林,张必彦[9]（2019）在《线性回归方法在实时测控系统参数估计中的应用》一文中研究指出针对实时测控系统对关键参数估计的需求,论文提出了基于线性回归模型进行参数预测的方法。设计了参数估计系统的组成,根据需求建立线性回归模型,并针对实时系统要求给出模型的求解方法,对比分析了传统线性回归、Ridge、Lasso回归方法的特点,并通过实验进行验证,最后针对不同的实际应用场合给出了模型选取的方案。研究成果已应用到实际飞行试验中,并取得了良好效果。(本文来源于《舰船电子工程》期刊2019年11期）
黄荣臻,朱宁,邓超海,张茂军[10]（2019）在《线性回归模型的一类新约束型LIU估计》一文中研究指出针对带线性约束型的回归模型复共线性问题,提出了一种新估计,称之为修正约束型LIU估计,给出了新估计的性质.在均方误差准则基础上证明了在一定条件下,修正约束型LIU估计优于最小二乘估计、岭估计、修正岭估计和约束型LIU估计,最后讨论了新估计的可容许性.(本文来源于《西南师范大学学报(自然科学版)》期刊2019年11期）
线性回归论文开题报告
（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：
目的研究激光熔覆关键工艺参数(激光功率、扫描速度、送粉速率)与单道熔覆层宏观形貌(宽度、高度、熔池深度)之间的数量关系,以实现对WC-Co50复合熔覆层形貌的预测,从而为牙轮钻头的修复提供参考。方法设计不同的实验参数,利用4k W光纤激光器在牙轮钻头钢15MnNi4Mo表面熔覆单道WC-Co50复合涂层。采用工业显微镜观察单道熔覆层的横截面宏观形貌,并测量其叁维尺寸。在上述形貌参数的基础上,分别运用多元线性回归分析和人工神经网络方法,建立关键工艺参数与熔覆层宏观形貌之间的关系模型,并将实验结果与模型预测结果进行对比。结果总体来讲,神经网络对熔覆层形貌的预测结果更为精确,平均相对误差为5.3187%;多元线性回归分析预测的平均相对误差为6.0028%。分析表明,对熔覆层宽度的预测结果最精确,两种方法的平均相对误差仅为1.2999%;对高度及熔池深度的预测结果稍差,平均相对误差分别为8.0586%和7.6237%。结论两种预测方法都具有较高的精度,但神经网络法函数关系不明确,运算过程复杂,需要通过进一步的算法优化来提高预测精度。
（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。
线性回归论文参考文献
[1].董晓萌.基于多元线性回归的统计学专业满意度影响因素分析[J].价值工程.2019
[2].范鹏飞,张冠.基于线性回归和神经网络的金属陶瓷激光熔覆层形貌预测[J].表面技术.2019
[3].朱银旺,濮久武.Matlab线性回归在芙蓉大坝变形分析中的应用[J].小水电.2019
[4].苏兆路,潘春阳.基于灰关联分析法和多元线性回归模型的有轨电车能耗预测[J].信息技术与网络安全.2019
[5].陈若萍,李荣,叶义琴.带AR(1)误差线性回归模型中杠杆点的度量与影响分析[J].湖北民族学院学报(自然科学版).2019
[6].江力,徐海川,张磊,熊绍文.NLOS环境中的线性回归最小二乘叁维定位算法[J].湖南工业大学学报.2019
[7].张晋青,张楠,谢秀梅,李景.成年青海公牦牛体重与体尺性状线性回归模型的构建[J].中国草食动物科学.2019
[8].郭娟.基于存在交互项的多元线性回归汽车油耗预测模型[J].广西质量监督导报.2019
[9].王鹏宇,项树林,张必彦.线性回归方法在实时测控系统参数估计中的应用[J].舰船电子工程.2019
[10].黄荣臻,朱宁,邓超海,张茂军.线性回归模型的一类新约束型LIU估计[J].西南师范大学学报(自然科学版).2019
论文知识图
