导读:本文包含了回归迭代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:迭代,迭代法,参数,小二,时气,私人,正态分布。
回归迭代论文文献综述
沙良彬,籍艳,万立娟[1]（2019）在《输出误差自回归系统的分解梯度迭代算法研究》一文中研究指出针对输出误差自回归系统(output error autoregressive system,OEAR)辨识参数误差大,收敛速度慢的问题,本文将递阶辨识原理与梯度迭代算法(gradientbased iterative algorithm,GI)运用到输出误差自回归系统的辨识过程中,针对该系统的算法进行推导,提出了基于分解的输出误差自回归系统的梯度迭代算法。将输出误差自回归系统分解成2个子系统,通过梯度迭代算法分别对2个子系统进行辨识,最后用Matlab仿真实例进行仿真。仿真结果表明,在输入信号的作用下,系统能够更快速的收敛到比原有算法误差更小的范围内,验证了该算法的有效性。(本文来源于《青岛大学学报(工程技术版)》期刊2019年03期）
[2]（2019）在《后资管新规时代 私人财富市场回归理性 中国私人银行迭代发展正当时 强品牌效应、专业性服务、差异化竞争深耕客群开创新增长点》一文中研究指出私人银行起源于16世纪的瑞士日内瓦,贵族为了应对动荡的政局,把钱存入中立国瑞士的银行里,为此,瑞士专门立法保障客户身份不会被泄露。从那时起,瑞士出现了第一代私人银行家。因此,私人银行提供的是一种私密性极强的专门提供给贵族和富人阶层的金融服务。西方国家私人银行起步较早,如瑞银集团(UBS)私人银行已有百年的历史,美国的私人(本文来源于《家族企业》期刊2019年08期）
于志英,赵阳阳,张福浩[3]（2019）在《稳健度量选权迭代的地理加权回归研究》一文中研究指出针对地理加权回归参数估计采用最小二乘方法,最小二乘估计易受离群值影响,导致地理加权回归模型并不稳健的问题,该文提出基于稳健度量选权迭代的地理加权回归分析方法,核心思想是通过标准化残差构造权重函数,通过迭代加权降低离群值对回归模型参数估计的影响。利用模拟数据与真实数据进行试验,分别与GWR、RGWR进行对比分析,以MSE、MAE为指标进行性能评价。模拟数据试验中,RMIWGWR模型比RGWR模型的MSE、MAE指标分别提升9.29%和8.34%;真实数据试验中,RMIWGWR模型比RGWR模型的MSE、MAE指标分别提升63.88%和38.45%。试验表明:该方法可改善粗差存在环境下地理加权回归模型参数估计精度,提升模型拟合效果。(本文来源于《测绘科学》期刊2019年11期）
王小萱[4]（2019）在《农贸市场：成为一站式美好生活空间》一文中研究指出很长的时间里，农贸市场在农产品销售终端占据绝对优势地位，提到菜篮子、米袋子，人们首先想到的就是这个充满尘世烟火气的地方。随着大众生活水平的不断提高，生鲜农产品消费群体和消费习惯不断变化，生鲜超市、社区生鲜便利店、生鲜电商等多种业态崛起，农贸市场受到了来自(本文来源于《中国食品报》期刊2019-07-12）
余德美[5]（2019）在《一种新的处理非均衡数据的非迭代核逻辑回归方法》一文中研究指出非均衡数据的分类问题广泛存在于金融、医疗、电信等领域,而传统的分类方法如决策树、支持向量机等存在对少数类识别不够准确的问题。本文针对严重非均衡数据提出一种非迭代核逻辑回归的学习方法,不仅减轻了由于迭代所造成的运算负担,而且在模型训练中利用了基准的类别占比信息,避免了进行诸如欠抽样、过抽样等通常处理非均衡数据的方式,使得在数据规模大的非均衡数据情形下,可以方便的对核逻辑回归进行建模,构造具有稳健性的近似最小二乘逻辑回归分类器。理论研究表明,本文所提方法具有一定的优良性质。模拟研究及实证分析表明,我们提出的方法较经典的迭代方法在训练核逻辑回归时大大减少训练时间,同时在非均衡数据特别是严重非均衡数据时表现优于结合了欠抽样、过抽样的分类方法。另外对于核逻辑回归中的多个参数选取问题,本文采用正交表实验设计,大大减少了调参时间。(本文来源于《中国科学技术大学》期刊2019-05-20）
施晓芬,陈翔,曹永勇,杨晓瑛,赵晓婷[6]（2019）在《基于回归BP神经网络误差分级迭代法的逐时气温预测方法研究》一文中研究指出气温预测是天气预测中的一项主要内容,由于气温的影响因素多而复杂,要想达到精细化预测目的,仍是十分复杂的科学难题.当前学术界的一般方法是假设数学模型对温度物理过程进行研究,建立了BP神经网络模型、温度与相对湿度之间的回归模型,最终在回归模型的基础上通过改进的BP神经网络建模,即利用BP神经网络误差分级迭代法建模,通过历史温度进行逐时气温预测,全样本误差达到0.617℃.(本文来源于《数学的实践与认识》期刊2019年01期）
杨义辉,邹进贵,李琴,韩亚坤[7]（2018）在《一种选权迭代法的半参数回归模型在滑坡预测中的应用》一文中研究指出传统抗差估计中的选权迭代法无法探测到模型的系统误差,而基于补偿最小二乘原理的半参数模型可以较好地分离出系统误差。通过建立选权迭代法的半参数回归模型,利用时间序列法、L曲线法分别确定模型中的正则化矩阵及平滑因子,并利用选权迭代法重新定权,同时降低了观测粗差和系统误差对参数估值的影响。通过仿真算例,并以重庆奉节县大坪滑坡实测数据为例,验证了选权迭代法的半参数回归方法应用到叁峡库区滑坡预测的有效性和优越性。(本文来源于《大地测量与地球动力学》期刊2018年08期）
袁海静[8]（2018）在《稳健回归模型的非迭代抽样算法与计数时间序列模型的统计推断》一文中研究指出针对连续型数据中经常呈现的重尾现象以及计数时间序列数据的过度扩散等情况,本文讨论了若干有关的统计模型及其参数估计问题,涉及尺度混合正态回归模型、截尾学生t回归模型、混合负二项整值ARCH模型、Neyman-A型整值GARCH模型,发展了相应的非迭代贝叶斯后验抽样算法、EM算法等。得到了有关模型平稳性的充要条件及模型选择策略。与传统模型和算法相比,所考虑模型和算法在模拟和实例分析中都有满意的表现,在经济、医学等领域有较好的应用。1.尺度混合正态线性回归模型的非迭代贝叶斯抽样算法尺度混合正态(SMN)分布为一类重尾分布族,由于其稳健性,当数据中有异常值时,常用其替代正态分布。关于SMN线性回归及相关模型的统计推断,文献中有基于期望最大化(EM)算法的最大似然估计和基于马氏链蒙特卡洛(MCMC)抽样的贝叶斯推断。例如,Andrews(1974)、Dempster(1980)以及Lange(1993)发展了 SMN分布的(EM)算法,并讨论了它们在稳健回归中的应用。Fernndez and Steel(2000)讨论了 SMN 线性回归下的 MCMC)算法,Abanto-Valle et al.(2010)则从贝叶斯的角度分析了 SMN随机波动性模型。Rosa et al.(2003,2004)将SMN线性回归模型推广到SMN线性混合效应模型,并进行了贝叶斯推断。Garay et al.(2015,2017)将SMN回归模型推广到截尾的情形,并讨论了相应的EM算法和MCMC算法。由于其灵活性和易实施性,Gibbs抽样和其他MCMC抽样算法被广泛用于贝叶斯统计推断,但这些迭代抽样算法有其缺陷,实际应用中容易被忽视。其一,由迭代的MCMC抽样产生的样本很难做到独立;其二,很难确信迭代终止时抽取的马氏链是否达到收敛。Tan et al.(2003)提出了一种缺失数据结构下基于逆贝叶斯公式(IBF)的非迭代抽样算法,该算法可从后验分布中产生(近似)独立同分布(i.i.d.)的样本,所得样本可直接用于贝叶斯统计推断,从而避免了 Gibbs抽样的缺点。受Tan et al.(2003)启发,在第一章中,我们将非迭代抽样算法的思想应用到SMN回归模型中去,发展了非迭代贝叶斯后验抽样算法。该算法把SMN回归模型的稳健性与非迭代抽样的计算有效性结合起来,能够获得来自参数后验分布的独立同分布的样本,从而避免了迭代的Gibbs抽样算法的收敛性诊断问题。我们通过模拟来研究算法的表现,并用该后验样本进行模型选择和影响分析。最后,用该策略分析美国长期国债价格数据集,得到了有意思的结果。与正态回归及迭代的Gibbbs抽样相比,我们的策略在模拟和应用中表现都很好。2.截尾学生t线性回归模型的非迭代贝叶斯抽样算法截尾学生t回归模型((CTR)在处理异常数据时比截尾正态回归模型更稳健。第二章中,我们在贝叶斯框架下,发展了处理截尾学生t回归的非迭代抽样算法。算法的核心在于学生t分布的分层表示和截尾数据的缺失数据结构使得CTR模型很自然具有蒙特卡洛EM(MCEM)结构。首先,将观测数据添加两类潜变量数据,一类是将学生t分布表示成正态分布的混合表示的混合变量,另一类是截尾下的缺失数据,从而获得MCEM结构下的添加条件预测分布。然后,应用EM算法获得后验众数,用其得到最佳重点抽样密度,使得目标后验密度和重点抽样密度间的覆盖区域足够大。最后,两次应用IBF算法和抽样/重点再抽样(SIR)算法,获得来自观测后验分布的近似独立同分布的样本。该样本也被用在模型选择和影响诊断上,能够选择最佳的自由度,并识别潜在的异常值。我们通过模拟来研究CTR算法下的IBF算法的表现,并用该策略分析了两个截尾数据集,一个是左截尾的工资率数据,另一个是右截尾的绝缘寿命数据,发现所用策略比通常的截尾正态线性模型和Gibbs抽样要有效。3.基于混合负二项分布的整值广义自回归条件异方差模型的统计推断为处理过度分散和多峰的计数时间序列,本章中我们建立了基于负二项分布的混合整值自回归条件异方差模型。该模型有多个平稳或非平稳的整值自回归条件异方差过程构成,其中每个混合过程都有着负二项的条件边际分布。相对单个负二项整值自回归条件异方差模型而言,混合模型不仅仅可以处理过度分散,还能较好的处理多峰和具有分平稳混合过程。我们给出了模型具有一二阶平稳解的充分必要条件,也推导了模型的自协方差函数以及自相关系数的递推关系。充分利用模型中的混合性,发展了基于EM算法的最大似然法的参数估计。我们通过模拟研究了估计的表现。最后,通过叁种模型选择方式:AIC、BIC和MRC,对实际数据建立模型进行实证分析。4.A-型Neyman整值广义自回归条件异方差模型的统计推断第四章中,我们讨论一类特殊的复合泊松整值广义自回归条件异方差模型--A-型Neyman整值广义自回归条件异方差模型。对于一般的A-型Neyman整值广义自回归条件异方差模型,导出了其一二阶平稳性条件。我们也特别给出了自协方差函数与自相关系数的递推关系,它们可以用来做部分模型的Yule-Warlker估计。对于模型参数的估计问题,我们考虑了叁种估计方法:Yule-Warler估计(YW),条件最小二乘估计(CLS)和最大似然估计(MLE)。由于A-型Neyman分布的概率分布律的复杂性,极大似然方法中借助于EM算法来最大化似然函数。模拟结果发现,总体上叁种估计方法表现都不错,尤其是当样本量增加时。最后,我们对弯曲杆菌感染的病例的计数数据进行实证分析,通过AIC和BIC准则选择了A-型Neyman整值自回归(NTA-INARCH)模型,并对数据做了拟合与残差诊断。(本文来源于《山东大学》期刊2018-05-18）
杨丰凯,袁海静[9]（2017）在《回归系数变点估计的快速非迭代抽样算法》一文中研究指出文章讨论了线性回归模型中回归系数变点位置估计的非迭代抽样算法。在贝叶斯框架下,分别采取无信息先验和共轭先验,利用逆贝叶斯公式,得到来自变点位置后验分布的独立同分布的样本,可直接用于变点位置的统计推断。避免了Gibbs抽样算法中的收敛性诊断问题以及样本的相依性问题。(本文来源于《统计与决策》期刊2017年24期）
卢薇[10]（2017）在《险企加速产品迭代 回归“保险姓保”本质》一文中研究指出10月1日起，中国保监会早前下发的《关于规范人身保险公司产品开发设计行为的通知》正式实施，在这一被称为保险业史上最严“组合拳”的新规要求下，“分红年金/两全保险+万能账户”产品形态并能即期返还的年金险、养老险等产品不再销售。“过去投保两全保险、(本文来源于《四川日报》期刊2017-10-26）
回归迭代论文开题报告
（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：
私人银行起源于16世纪的瑞士日内瓦,贵族为了应对动荡的政局,把钱存入中立国瑞士的银行里,为此,瑞士专门立法保障客户身份不会被泄露。从那时起,瑞士出现了第一代私人银行家。因此,私人银行提供的是一种私密性极强的专门提供给贵族和富人阶层的金融服务。西方国家私人银行起步较早,如瑞银集团(UBS)私人银行已有百年的历史,美国的私人
（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。
回归迭代论文参考文献
[1].沙良彬,籍艳,万立娟.输出误差自回归系统的分解梯度迭代算法研究[J].青岛大学学报(工程技术版).2019
[2]..后资管新规时代私人财富市场回归理性中国私人银行迭代发展正当时强品牌效应、专业性服务、差异化竞争深耕客群开创新增长点[J].家族企业.2019
[3].于志英,赵阳阳,张福浩.稳健度量选权迭代的地理加权回归研究[J].测绘科学.2019
[4].王小萱.农贸市场：成为一站式美好生活空间[N].中国食品报.2019
[5].余德美.一种新的处理非均衡数据的非迭代核逻辑回归方法[D].中国科学技术大学.2019
[6].施晓芬,陈翔,曹永勇,杨晓瑛,赵晓婷.基于回归BP神经网络误差分级迭代法的逐时气温预测方法研究[J].数学的实践与认识.2019
[7].杨义辉,邹进贵,李琴,韩亚坤.一种选权迭代法的半参数回归模型在滑坡预测中的应用[J].大地测量与地球动力学.2018
[8].袁海静.稳健回归模型的非迭代抽样算法与计数时间序列模型的统计推断[D].山东大学.2018
[9].杨丰凯,袁海静.回归系数变点估计的快速非迭代抽样算法[J].统计与决策.2017
[10].卢薇.险企加速产品迭代回归“保险姓保”本质[N].四川日报.2017
论文知识图
