导读:本文包含了随机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:森林,算法,叶面积,效应,模型,河段,鱼雷。
随机回归论文文献综述
田密,王学求[1]（2019）在《基于地理加权回归及随机森林算法的矿致地球化学异常提取》一文中研究指出地球化学分布模式是长期地质过程、矿化过程、风化过程和人类活动等诸多过程的共同作用结果。它受区域地质背景、矿化类型、矿化强度、风化强度和覆盖层等诸多因素的影响。尤其在复杂地质背景下，这些影响往往使得背景噪声和成矿信息混杂，成矿信息微弱，给矿致地球化学异常的直接识别带来困难。地球化学元素含量在空间分布上具有不均匀性和复杂性。作为空间属性数据，地球化学数据存在空间变异性和空间自相关性，在全局范围内含量并不是最高，但是却与其邻域范围内的值明显不同的观测值，(本文来源于《第九届全国成矿理论与找矿方法学术讨论会论文摘要集》期刊2019-12-13）
崔学慧,刘长江,薛亮,刘艳丽[2]（2019）在《基于随机森林回归算法预测孔隙度的研究》一文中研究指出对于地层物性参数——孔隙度预测问题的研究,目前采用的常规方法,如线性回归、支持向量回归等方法存在预测精度不高的问题,难以准确预测孔隙度的值。核磁实验得出的结果精度高,而进行地层核磁实验的成本较高,所以越来越多的研究人员致力于寻找经济、高效的预测孔隙度方法。因此,以辽河油田某区块相邻叁口井X32、X41和X46的测井曲线的声波时差(AC)、自然电位(SP)、自然伽马(GA)以及地层真电阻率(RT)为指标,采用交叉验证法建立非线性模型,提出应用随机森林回归算法预测孔隙度,并利用R语言进行编程实现,经计算随机森林回归算法的绝对误差大约为0.24,同时,也使用支持向量回归和线性回归算法进行预测,误差分别为0.27和1.03。结果表明随机森林回归算法较传统线性回归方法预测精度较高,与支持向量回归算法一样有较强的泛化能力,算法稳定性更好,为孔隙度预测提供了一种新方法。(本文来源于《西部探矿工程》期刊2019年11期）
李伟南,林畅琪,廖海宁,潘敏仪,郜艳晖[3]（2019）在《随机效应-最大期望回归树模型的模拟研究与评价》一文中研究指出目的介绍随机效应-最大期望回归树模型(random effect-expectation maximization regression tree,RE-EM回归树)方法原理,比较RE-EM回归树与CART回归树在具有系统结构特征的纵向数据中的估计效果。方法通过计算机生成不同参数设置的模拟数据,比较在不同随机效应及残差存在相关结构的纵向数据中两种树模型对特征空间的预测能力,并通过均方残差指标对拟合效果进行评价。结果本研究所构建的RE-EM回归树在不同参数设置下的预测性能均优于CART回归树。结论 RE-EM回归树具有较强的预测性能,能准确预测特征空间且数据拟合效果好,相对于CART回归树具有明显的优势。(本文来源于《中国卫生统计》期刊2019年05期）
赵磊,陈玎,朱道立[4]（2019）在《求解大规模SCAD回归问题的随机坐标下降算法研究》一文中研究指出回归方法是重要的数据分析工具。带平滑削边绝对偏离(smoothly clipped absolute deviation,SCAD)正则项的回归问题,以其在处理高维数据中的近似无偏性(见Fan和Li,2001),在大数据分析中得到广泛应用。但在大数据背景下,待求解的SCAD回归问题的数据量往往很大,而且分布在不同地理位置,这使得在SCAD回归问题的求解算法设计中,需要重新考虑计算的内存使用量。常规用于求解SCAD回归问题的优化算法(LQA、LLA、ADMM等)往往需要在每一次迭代中更新全部变量,从而造成计算的内存需求很大,难以适应大数据的求解要求。随机坐标下降方法(stochastic coordinate descent,SCD)以其子问题运算内存需求小(见Nesterov,2012)的优势,在大规模分布式最优化问题中得到了广泛的应用。但目前理论上SCD算法仅能处理带凸惩罚项的回归问题,由于SCAD回归问题中惩罚项的非凸非光滑性,现有的随机坐标下降方法难以处理这一问题。首先对SCAD回归问题模型进行分析,得出SCAD回归模型的损失函数是导数Lipschitz、惩罚函数是semi-convex的,此外根据已有结论,得到SCAD回归问题的稳定点即可保证良好的统计性质。基于这些性质的分析,介绍了一种新的随机坐标下降方法(variable bregman stochastic coordinate descent,VBSCD),这一方法能很好求解带SCAD惩罚项的回归问题,算法的收敛点是SCAD回归模型的稳定点。最后,通过计算实验进一步说明本算法在求解SCAD回归问题的有效性。对不同的变量分组数,算法迭代到稳定点所需的迭代回合数相对稳定。随着变量分块数的增加,单次迭代中计算的内存需求减少。该研究方法可广泛应用于大数据背景下SCAD回归问题的求解当中。(本文来源于《上海管理科学》期刊2019年05期）
李雨泰,李伟良,尚智婕,王洋,董希杰[5]（2019）在《基于云自适应粒子群优化算法和随机森林回归(CAPSO-RFR)的负载均衡预测》一文中研究指出针对传统的云计算资源负载预测算法存在精度低和误差大的缺点,将云自适应粒子群算法应用于随机森林回归参数的选择,提出一种基于CAPSO-RFR的云计算资源均衡负载预测算法。研究结果表明,CAPSO-RFR可以有效提高云计算资源负载预测的精度,为云计算资源的规划、调度以及云计算平台的性能优化提供决策依据。(本文来源于《微型电脑应用》期刊2019年10期）
王克祥,朱建林[6]（2019）在《P2P市场借款成功率影响因素研究——基于随机森林和Logistic回归模型》一文中研究指出本文以P2P平台"人人贷"2011年至2016年的数据作为研究样本,根据是否含有历史行为指标,将借款人分为新客户和老客户,并用随机森林模型分别判断其借款成功率的影响因素,最后利用Logistic回归判断这些影响因素的方向。研究结果表明:信用等级、信用认证能够增加借贷成功率;老客户行为指标、借款人部分基本信息指标、借款标的指标对借款成功率均有显着影响;对老客户来说存在职业歧视现象;借款人性别、教育程度、婚姻状态、工作时间、是否有房、是否有房贷、是否有车、是否有车贷对新老客户的申请成功率均无影响。(本文来源于《中国物价》期刊2019年10期）
郭云开,刘雨玲,张晓炯,许敏[7]（2019）在《利用辐射传输模型和随机森林回归反演LAI》一文中研究指出针对辐射传输模型与查找表结合反演叶面积指数的方法存在反演工作量大且反演速度缓慢的问题,提出利用辐射传输模型和随机森林组合模型对路域植被叶面积指数进行估算的方法。该模型定义了一种辐射传输模型和随机森林回归模型结合反演叶面积指数的方法。以研究区实测高光谱数据和模拟光谱数据为数据源,在相关性分析和敏感性分析的基础上,选取适宜作为反演因子的植被指数,而后进行随机森林算法回归,反演得到预测叶面积指数。结果表明:基于辐射传输模型和随机森林算法反演的路域植被叶面积指数与实测结果一致,准确及时的反映路域植被叶面积指数信息,可以较好地应用在路域环境植被参数反演中。(本文来源于《测绘工程》期刊2019年06期）
许允之,王舒萍[8]（2019）在《基于随机森林算法的徐州雾霾回归预测模型》一文中研究指出近年来徐州雾霾愈发严重,对其影响因素进行分析,选择气象条件、机动车、国控重点废气企业方面的9维输入特征对徐州AQI值进行回归预测,探讨决策树数目和子特征数m对预测准确度的影响,计算9个变量的重要性,并进行OOB误差估计。总体预测结果十分理想,均方根误差在6左右。最后对徐州雾霾的治理措施进行分析和阐述。(本文来源于《《环境工程》2019年全国学术年会论文集》期刊2019-08-30）
范格华[9]（2019）在《基于随机森林回归的鱼雷管峰压预测》一文中研究指出利用随机森林回归方法,建立了鱼雷发射时的管峰压估计模型,得到了各变量的重要性。通过与实测值的对比,该模型拟合精度较高,说明随机森林回归方法是估算舰艇鱼雷发射内弹道特征参数的一种有效方法。(本文来源于《信息系统工程》期刊2019年08期）
方馨蕊,温兆飞,陈吉龙,吴胜军,黄远洋[10]（2019）在《随机森林回归模型的悬浮泥沙浓度遥感估算》一文中研究指出叁峡工程蓄水以来,清水下泄,坝下游河段发生了长时间、长距离的沿程冲刷,河流悬浮泥沙浓度发生改变,给沿岸生态系统带来了不利影响。随机森林算法灵活、稳健,已被广泛应用于各类生态环境变量的回归预测分析,但其在水体悬浮泥沙浓度估算方面的能力尚未得到充分认识。基于泥沙站点监测数据和MODIS卫星遥感反射率数据,通过构建随机森林非参数回归预测模型,对叁峡工程坝下游宜昌至城陵矶河段在建坝前后14年间(2002年—2015年)各月的悬浮泥沙浓度进行遥感估算。研究表明:(1)基于随机森林的悬浮泥沙浓度估算模型表现较好,模型预测值与实测值间相关性好、预测精度高,优于其他模型(线性回归、支持向量机、人工神经网络模型)。(2)在参与模型构建的MODIS波段变量中,红波段被认为是最重要的预测变量,但不能单独使用它进行预测,悬浮泥沙遥感预测需要多变量共同参与。(3)将悬浮泥沙数据按季节分类所构建的随机森林模型,其平均误差为0.46 mg/L,平均相对均方根误差为12.33%,估算效果最优,能够满足较高精度下悬浮泥沙浓度估算的需求。综上,可以考虑以季节为划分依据,用随机森林回归模型估算悬浮泥沙浓度,并用于后期坝下游河道悬浮泥沙浓度时空反演。(本文来源于《遥感学报》期刊2019年04期）
随机回归论文开题报告
（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：
对于地层物性参数——孔隙度预测问题的研究,目前采用的常规方法,如线性回归、支持向量回归等方法存在预测精度不高的问题,难以准确预测孔隙度的值。核磁实验得出的结果精度高,而进行地层核磁实验的成本较高,所以越来越多的研究人员致力于寻找经济、高效的预测孔隙度方法。因此,以辽河油田某区块相邻叁口井X32、X41和X46的测井曲线的声波时差(AC)、自然电位(SP)、自然伽马(GA)以及地层真电阻率(RT)为指标,采用交叉验证法建立非线性模型,提出应用随机森林回归算法预测孔隙度,并利用R语言进行编程实现,经计算随机森林回归算法的绝对误差大约为0.24,同时,也使用支持向量回归和线性回归算法进行预测,误差分别为0.27和1.03。结果表明随机森林回归算法较传统线性回归方法预测精度较高,与支持向量回归算法一样有较强的泛化能力,算法稳定性更好,为孔隙度预测提供了一种新方法。
（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。
随机回归论文参考文献
[1].田密,王学求.基于地理加权回归及随机森林算法的矿致地球化学异常提取[C].第九届全国成矿理论与找矿方法学术讨论会论文摘要集.2019
[2].崔学慧,刘长江,薛亮,刘艳丽.基于随机森林回归算法预测孔隙度的研究[J].西部探矿工程.2019
[3].李伟南,林畅琪,廖海宁,潘敏仪,郜艳晖.随机效应-最大期望回归树模型的模拟研究与评价[J].中国卫生统计.2019
[4].赵磊,陈玎,朱道立.求解大规模SCAD回归问题的随机坐标下降算法研究[J].上海管理科学.2019
[5].李雨泰,李伟良,尚智婕,王洋,董希杰.基于云自适应粒子群优化算法和随机森林回归(CAPSO-RFR)的负载均衡预测[J].微型电脑应用.2019
[6].王克祥,朱建林.P2P市场借款成功率影响因素研究——基于随机森林和Logistic回归模型[J].中国物价.2019
[7].郭云开,刘雨玲,张晓炯,许敏.利用辐射传输模型和随机森林回归反演LAI[J].测绘工程.2019
[8].许允之,王舒萍.基于随机森林算法的徐州雾霾回归预测模型[C].《环境工程》2019年全国学术年会论文集.2019
[9].范格华.基于随机森林回归的鱼雷管峰压预测[J].信息系统工程.2019
[10].方馨蕊,温兆飞,陈吉龙,吴胜军,黄远洋.随机森林回归模型的悬浮泥沙浓度遥感估算[J].遥感学报.2019
论文知识图
