导读:本文包含了局部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,局部,层析,电离层,反射率,参数,抗拉强度。
局部线性回归论文文献综述
朱坤英[1]（2019）在《基于局部线性回归估计的模型线性检验》一文中研究指出在统计学的研究和应用中,线性回归模型是一类重要的参数回归模型,是研究其他统计回归模型的基础。线性回归模型的应用也非常广泛,比如在经济学、金融学、医学、工业、农业等领域都有广泛的应用。但是如果数据不服从线性回归模型,仍然用它对数据进行统计推断,或许不能揭示数据中隐藏的真正的相关关系,造成对所判断事物的错误理解,从而导致对所判断事物的预测失去了准确性。因此,对数据是否服从线性回归模型或者某一给定的参数回归模型的研究是非常重要的。人们通常假设观测数据服从某一线性模型结构:Y=f(X)+ε,如果回归函数f(X)的形式已知,只有未知参数,则用参数回归模型对数据进行研究分析,如果回归函数的形式完全未知,则用非参数回归模型进行分析,再对模型的结构进行探索研究。在实际应用和统计分析中,回归模型的函数形式一般是不知道的,所以常用非参数回归模型进行研究,用非参数回归模型对回归函数的估计方法有很多,常用的有核方法、局部多项式方法,样条方法等。本文主要研究的问题是假设对一组数据已经有了基于局部多项式方法(文中主要讨论的是局部线性回归法)对回归函数的估计,通过对局部回归得参数估计的结果进行分析,比如作出拟合值的散点图,发现这些拟合曲线可能是一条直线,由此提出本文的研究问题:如果观测数据服从线性模型,那么在理论上局部参数估计的期望相同,估计值差别不大,从而将检验观测数据的线性问题转化为检验局部参数估计的差异问题。文中对提出的检验问题构造了合适的检验统计量,并讨论其性质,通过数据模拟对理论结果进行了验证,表明方法是可行的。论文创新点在于不是基于原始观测数据构造检验统计量进行回归检验,而是通过局部线性回归得到局部参数估计后,基于局部参数估计构造检验统计量进行假设检验。显然若我们有原始的观测数据,则可直接构造全局的线性回归模型完成模型的线性检验,而文中提出的检验统计量是基于局部线性回归估计构造的。显然看起来没有基于原始观测数据构造的检验统计量好。但这样做的意义在于即使观测数据丢失只有其局部参数估计的条件下,依然能对数据进行线性检验。而在现代信息技术高速发展的背景下,原始数据量可能非常大,不易存储或者存在缺失时,文中研究的问题则具有一定的意义。(本文来源于《华中师范大学》期刊2019-05-01）
张华[2]（2019）在《基于局部加权线性回归的交通事故数据分析》一文中研究指出结合我国1998—2016年交通事故有人员伤亡的事故数据,对未来若干年的事故数据走向进行预测.利用局部加权线性回归方法,建立预测模型,预测结果包含2017年以后每年的交通事故数及死亡人数.分析了1998年至2016年的交通事故数发展趋势,并初步探究其背后的原因.该预测及分析结果可为国家道路交通安全管理提供参考.(本文来源于《宁德师范学院学报(自然科学版)》期刊2019年01期）
任明仑,宋月丽,褚伟[3]（2019）在《灰铸铁抗拉强度预测的局部加权线性回归建模》一文中研究指出为实现在生产现场对灰铸铁抗拉强度进行快速、准确的预测控制,引入非参数化的局部加权线性回归建模方法,过程参数的选择结合铁水热分析仪检测的碳、硅含量及光谱仪检测的锰、磷、硫等主要化学成分值。从安徽一家大型铸造厂的实际生产中采集100多炉铁水化学成分与对应抗拉强度数据,经预处理后,分成训练集和验证集,进一步从新的生产批次采集检测数据组成测试集;并从文献中收集40组数据组成另一数据集,进行两组对比验证实验。将局部加权线性回归模型,与目前灰铸铁强度预测中常用的多元线性回归模型和BP神经网络模型对比,验证了该方法能够达到更高的预测精度,且其非参数化的建模方式能够更好地适应生产现场复杂多变的工况环境。(本文来源于《电子测量与仪器学报》期刊2019年03期）
朱换荣,郑智超,孙怀江[4]（2019）在《面向局部线性回归分类器的判别分析方法》一文中研究指出局部线性回归分类器(locality-regularized linear regression classification,LLRC)在人脸识别上表现出了高识别率以及高效性的特点,然而原始特征空间并不能保证LLRC的效率。为了提高LLRC的性能,提出了一种与LLRC相联系的新的降维方法,即面向局部线性回归分类器的判别分析方法 (locality-regularized linear regression classification based discriminant analysis,LLRC-DA)。LLRC-DA根据LLRC的决策准则设计目标函数,通过最大化类间局部重构误差并最小化类内局部重构误差来寻找最优的特征子空间。此外,LLRC-DA通过对投影矩阵添加正交约束来消除冗余信息。为了有效地求解投影矩阵,利用优化变量之间的关系,提出了一种新的迹比优化算法。因此LLRC-DA非常适用于LLRC。在FERET和ORL人脸库上进行了实验,实验结果表明LLRCDA比现有方法更具有优越性。(本文来源于《智能系统学报》期刊2019年05期）
卢德俊,爨凯旋,张伟峰[5]（2018）在《局部k最近邻加权线性回归的光谱反射率重建》一文中研究指出现实中很多场景都需要精确的颜色表示,如纺织、印刷、艺术品扫描存档、在线商品展示等。光谱反射率是决定物体颜色的本质属性,如果知道了光谱反射率,就可以重现物体在任何光照和观测条件下的颜色。采用专业仪器测量光谱反射率有成本高、分辨率低、测量时间慢等问题。随着数码成像设备的普及,基于相机RGB响应值的光谱反射率重建算法具有重要现实意义。光谱反射率重建的目的是建立低维RGB响应值到高维光谱反射率向量的映射关系,回归方法在这一领域已取得广泛应用。由于光谱反射率向量所处的空间是嵌在高维欧氏空间中的一个低维子流形,在训练样本有限的条件下,传统的全局回归方法不能有效地学习该流形结构,往往导致过拟合,使得学习出来的模型泛化能力较差。局部线性回归方法虽然可以改善全局回归过拟合的问题,但是局部学习方法易受例外点的影响,导致拟合不足。针对这一问题,提出一种基于局部加权线性回归的光谱反射率重建方法,这种方法在一个k最近邻范围约束内,给每个局部训练样本赋予不同的权重,从而有所侧重地利用局部训练样本来估计光谱反射率。实验结果表明,基于局部k最近邻加权线性回归的方法能更有效地利用局部信息,缓解过拟合和拟合不足,更准确地重建光谱反射率。(本文来源于《光谱学与光谱分析》期刊2018年12期）
张明瀚,王奎,王毅[6]（2018）在《基于局部加权线性回归模型的风速短期预测研究》一文中研究指出为提高风速预测的准确性,引入局部加权线性回归算法,建立风速局部加权线性回归预测模型。该模型首先通过核函数对每一历史风速设置权重,产生新的风速数据集。其次,对新的数据集进行最小二乘线性拟合回归,建立风速局部加权线性回归模型。最后,根据该模型对风速进行短期预测。以某风电场的实测数据进行仿真验证,并与传统的ARIMA模型和BP神经网络预测模型对比,实验结果表明本文所提方法的有效性,为风速预测提供一种新方法。(本文来源于《能源研究与管理》期刊2018年04期）
王文胜,朱安维,施怡[7]（2018）在《基于局部线性回归的我国通货膨胀的分析与对策研究》一文中研究指出随着经济的发展,通货膨胀成为市场经济发展中的一种普遍现象。国民经济持续增长,人民物质水平大大提高,通货膨胀越来越成为人们的困扰。文章利用非参数回归模型的局部加权最小二乘估计,构建我国现阶段的通货膨胀局部线性回归模型,通过弹性系数研究了通货膨胀与进出口贸易以及社会消费品零售之间的关系,并对相关的经济因素提出合理性建议。(本文来源于《生产力研究》期刊2018年08期）
王英艳,郭承军[8]（2018）在《基于局部加权线性回归的电离层层析重构》一文中研究指出电离层层析重构的精度和穿过电离层的观测射线的分布和数量息息相关,由于地面观测站与卫星数量和分布的局限性,电离层大量格网内没有射线通过,进而使得没有射线穿过的格网迭代收敛后的像素值与初始值相同;然而实际反演过程中,初始值通常是由精度不高的经验电离层模型给出,从而使得电离层层析重构的精度不高。围绕这一问题,将机器学习领域的局部加权线性回归算法拓展应用到电离层层析重构技术中,依据电离层格网空间内像素的电子密度空间平滑分布特性,为没有射线穿过的格网通过局部加权线性回归算法计算格网像素值,解决了没有观测射线穿过的格网对初值的过度依赖问题,进而提高电离层层析重构的精度。数值模拟实验和实测数据的仿真结果表明新算法相比于传统层析算法更加有效、可靠和优越。(本文来源于《科学技术与工程》期刊2018年19期）
卢月明,王亮,仇阿根,赵阳阳,张用川[9]（2018）在《局部加权线性回归模型的PM2.5空间插值方法》一文中研究指出针对传统空间插值方法对影响PM2.5的插值因素考虑不全面和局部加权线性回归模型中近邻个数选择困难等问题,该文基于局部加权线性回归模型提出了一种引入正则化项的空间插值方法。以北京市3个月的PM2.5数据为例,选取SO_2、NO_2、O_3、CO作为观测指标,通过正则化进行权重系数修正、L曲线法确定正则化系数,提高了该插值模型的稳定性与自适应性。交叉验证结果显示,本方法相对于普通克里金法,3个月的平均绝对误差(MAE)与均方根误差(RMSE)分别降低28.44%、26.25%;相对于反距离加权插值法的MAE、RMSE分别降低18.07%、17.02%。研究结果表明,基于局部加权线性回归模型的PM2.5空间插值相对于传统方法有一定提升。(本文来源于《测绘科学》期刊2018年11期）
王祝先,关兴民,潘雪[10]（2017）在《基于局部线性回归的无线定位技术研究》一文中研究指出该研究是基于机器学习中局部线性回归算法,利用覆盖室内的Wi-Fi无线信号,实现的一种无线定位技术。该技术通过局部线性回归对历史数据的训练,构造出一种特殊的拟合公式,利用拟合公式估计目标终端与无线路由的距离,结合测距算法预测目标的位置。为了提高定位精度,该技术对基于RSSI的传统测距算法进行改进,同时引入位置权重的概念实现了系统的全局优化。实验结果表明,该技术实现了室内定位的误差期望值不足2米,其中78%的测试样本误差在3米以内,90%在6米以内。这说明结合了局部线性回归算法的无线定位技术能够有效地控制误差范围并提高定位精度。随着无线路由、无线热点在室内环境的全覆盖,该技术在室内定位方面将有非常广泛的应用前景。(本文来源于《自动化技术与应用》期刊2017年12期）
局部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：
结合我国1998—2016年交通事故有人员伤亡的事故数据,对未来若干年的事故数据走向进行预测.利用局部加权线性回归方法,建立预测模型,预测结果包含2017年以后每年的交通事故数及死亡人数.分析了1998年至2016年的交通事故数发展趋势,并初步探究其背后的原因.该预测及分析结果可为国家道路交通安全管理提供参考.
（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。
局部线性回归论文参考文献
[1].朱坤英.基于局部线性回归估计的模型线性检验[D].华中师范大学.2019
[2].张华.基于局部加权线性回归的交通事故数据分析[J].宁德师范学院学报(自然科学版).2019
[3].任明仑,宋月丽,褚伟.灰铸铁抗拉强度预测的局部加权线性回归建模[J].电子测量与仪器学报.2019
[4].朱换荣,郑智超,孙怀江.面向局部线性回归分类器的判别分析方法[J].智能系统学报.2019
[5].卢德俊,爨凯旋,张伟峰.局部k最近邻加权线性回归的光谱反射率重建[J].光谱学与光谱分析.2018
[6].张明瀚,王奎,王毅.基于局部加权线性回归模型的风速短期预测研究[J].能源研究与管理.2018
[7].王文胜,朱安维,施怡.基于局部线性回归的我国通货膨胀的分析与对策研究[J].生产力研究.2018
[8].王英艳,郭承军.基于局部加权线性回归的电离层层析重构[J].科学技术与工程.2018
[9].卢月明,王亮,仇阿根,赵阳阳,张用川.局部加权线性回归模型的PM2.5空间插值方法[J].测绘科学.2018
[10].王祝先,关兴民,潘雪.基于局部线性回归的无线定位技术研究[J].自动化技术与应用.2017
论文知识图
