导读:本文包含了线性回归算法论文开题报告文献综述及选题提纲参考文献，主要关键词:线性回归方程,最小二乘法
线性回归算法论文文献综述
戚龙[1]（2019）在《用最小二乘法求解线性回归方程的算法研究》一文中研究指出如果给出的样本数据基本分布在一条直线附近,我们可以根据样本数据求出这条直线,求出的这条直线就叫做线性回归方程,而线性回归方程通常用于预测数据使用。但是很多人在使用线性回归方程进行数据预测时,并不知道线性回归方程的参数是如何得出的以及并不理解它的原理,从而经常计算出错误的方程参数导致失败的预测结果。本文在此基础上对如何使用最小二乘法得出线性回归方程的原理进行了分析并应用线性回归方程进行数据预测算法研究。(本文来源于《计算机产品与流通》期刊2019年09期）
林宇驰,荣先钊[2]（2019）在《基于多元线性回归的供需平衡算法预测海南市住房》一文中研究指出本文研究的是在限购背景下海南省主要城市商品住宅价格的问题。首先收集研究数据,处理后通过主成分分析遴选出影响价格的主要因素,用灰色关联解释各因素之间的关系。随后从市场的供需平衡角度通过多元回归分析建立动态博弈模型。(本文来源于《计算机产品与流通》期刊2019年09期）
姜博,李晓坪[3]（2019）在《一种基于多元线性回归算法的TD-LTE网络规划传播模型校正算法》一文中研究指出在无线网络规划中,传播模型能否与目标规划场景匹配,对规划仿真结果指标的准确性有直接影响。介绍了一种多元线性回归算法,根据CW测试数据,对SPM传播模型进行校正,获取与实际CW无线测试环境相匹配的一套参数。仿真结果表明,多元线性回归算法获取的传播模型校正结果能够有效满足实际无线规划仿真的需求。(本文来源于《移动通信》期刊2019年08期）
彭章友,夏海琴[4]（2019）在《无源雷达目标跟踪的线性回归-梯度下降算法》一文中研究指出针对以多颗GNSS卫星作为外辐射源的无源雷达目标跟踪问题,提出一种基于机器学习的无源雷达目标定位跟踪算法。该算法通过线性回归和梯度下降算法训练得到时延和多普勒频偏的模型,根据模型对低信噪比下互模糊函数估计出的多普勒频偏进行修正,之后构建了基于4颗卫星的时延和修正后的多普勒频偏的定位算法模型实现对目标的定位跟踪。仿真结果表明,该算法与直接利用互模糊函数估计的时延和多普勒定位跟踪目标的原始算法相比,位置估计精度提高了11.1倍,速度估计精度提高了3.6倍,能够更加有效快速的定位跟踪空中目标,同时,与粒子滤波的算法相比,该算法不需要长时间的累计,可以在更短的时间内对目标进行定位跟踪,效率更高。(本文来源于《电子测量技术》期刊2019年15期）
李敏,程茂华,潘颖,李雄[5]（2019）在《云环境下基于线性回归算法的PM_(10)—能见度—湿度相关性研究》一文中研究指出当前基于云平台下线性回归算法用于能见度、湿度与气溶胶PM_(10)之间相关性研究较少,针对现代大规模数据线性回归在单机计算时间过长的问题,设计云环境下DMLR(Distributed Multiple Linear Regression)模型用于能见度、湿度与气溶胶PM_(10)相关性的研究,实验分析表明,湿度区间一致大气气溶胶PM_(10)浓度越大能见度就越小,能见度区间一致大气气溶胶PM_(10)浓度越低湿度越大。实验结果还发现湿度介于40%-90%,能见度介于8km-19kmDMLR预测效果最好。DMLR算法模型在时间性能方面要优于传统回归模型。(本文来源于《安徽师范大学学报(自然科学版)》期刊2019年04期）
杨锦茹[6]（2019）在《基于线性回归算法的森林火灾预测研究》一文中研究指出众所周知,森林火灾是一种突发性强、破坏性大、处置救助较为困难的自然灾害,近年来随着森林火灾的不断发生,森林面积逐渐减小,水土流失和泥石流等自然灾害的频繁发生,因此预防森林火灾事关森林资源和生态安全,事关人民群众生命财产安全。针对这个问题,本研究通过已收集到的森林火灾数据集构建线性回归机器学习模型,对森林火灾的发生及受灾面积进行分析预测。人工智能与机器学习的引入,可显着增加火灾预测的准确性和即时性。(本文来源于《通讯世界》期刊2019年04期）
李悦,谈进忠,陈鹏,赵信一[7]（2019）在《基于多元线性回归算法的雾霾预测模型的研究》一文中研究指出对乌鲁木齐市环境监测站2013—2015年冬季逐日AQI、PM_(2.5)、PM_(10)、SO_2、NO_2、CO、O_3数据进行相关分析,并利用MATLAB编程工具进行多元回归统计分析,建立了多元回归统计预测模型。对2015年1—3月乌鲁木齐雾霾天气进行预测试验,发现预测值与实际值有较好的拟合效果和预报效果。实验证明,在大气层结稳定的冬季将当天的大气污染物浓度作为因子,用多元线性回归算法建立预测模型对次日雾霾天气进行预测是一种有效的雾霾统计预报手段,本文试图用MATLAB编程工具建立动态多元回归预测模型,编写了自动预测系统软件,测试取得了较好的预测效果。(本文来源于《沙漠与绿洲气象》期刊2019年02期）
靳柯[8]（2019）在《基于双线性回归的单细胞测序数据去噪算法研究》一文中研究指出在单细胞RNA测序技术还未兴起之前,大家熟知并利用的是bulk RNA测序技术,即计算基因在所有细胞中表达的平均值。但这样的数据缺失了基因在不同细胞上表达的异质性。后来随着科技的发展,单细胞RNA测序技术被提出。单细胞RNA测序技术能够在单细胞水平上对整个转录组进行分析,在许多生物学和医学应用中具有巨大的前景。尽管单细胞RNA测序技术给未来单细胞数据分析提供了很好的技术支持,但因为技术问题,单细胞数据中一些低表达值或中表达值可能会无法完全观测到,导致其表达值为0或有某种程度的减少,我们称其为dropout效应。再加上单细胞数据的稀疏特性,测序数据中的高比例0值影响了后续分析,所以对单细胞数据进行填充就成了在进行后续分析之前的一个重要步骤。本文提出双线性回归的填充技术,首先构造具有先验信息的相似矩阵,为接下来的双回归系数筛选子集,然后通过迭代进行行和列的加入稀疏惩罚的线性回归进行估计,将达到收敛条件的估计值作为最终填充值。后续数据分析表明,scBiLR能够准确恢复dropout影响下的缺失值,有助于改进后续分析,比如差异表达分析和聚类分析。(本文来源于《华中师范大学》期刊2019-04-01）
热娜·吐尔地[9]（2019）在《利用线性回归分类算法的人脸识别方法》一文中研究指出针对人脸识别中存在的连续遮挡问题,笔者提出了一种利用线性回归分类算法的人脸识别新方法。首先,开发了一个线性模型,表示探针图像为特定类图库的一个线性组合。然后,对所有类模型的给定进行了探究,并且该决策是以有利于类的最小重建误差为规则。最后,对于连续遮挡问题,提出了一个模块化线性回归分类(LRC)方法进行分类识别,提出的LRC算法落入最近子空间分类。在人脸识别文献中的一些典型评估协议中,该算法在ORL人脸数据库上与集中先进算法进行评估。实验结果证明,提出的方法取得了98.75%的最高识别成功率。(本文来源于《信息与电脑(理论版)》期刊2019年01期）
韩先君,刘艳丽,杨红雨[10]（2019）在《多元线性回归引导的立体匹配算法》一文中研究指出深度图像中视差跳变的像素点匹配一直是立体匹配的挑战性问题之一.基于引导滤波的局部立体匹配算法通过考虑匹配图像内容,可以在保持深度图像边缘的同时提高匹配精度、加快匹配速度,但引导滤波会产生图像光晕,在图像边缘区域也会引入大量的噪声.为此,将引导滤波的岭回归扩展到多元回归,提出一种基于多元线性回归的立体匹配算法.首先将引导滤波中只含图像像素值这一单变量的回归方程扩展为基于图像像素值和梯度信息等多个变量的多元回归方程,对初始代价值进行滤波聚合,并与单独进行引导滤波的匹配代价聚合值进行加权组合提高图像边缘的匹配效果;然后根据代价聚合最小值与次小值之间的相互关系定义了视差选择可信度,解决了视差选择时的歧义问题.在Middlebury测试平台进行了实验的结果表明,文中算法有效地提高深度图像中视差跳变像素点的匹配精度,降低了匹配噪声;与最新的高性能立体匹配算法相比,该算法可以以较小的计算复杂度获得高质量的视差图.(本文来源于《计算机辅助设计与图形学学报》期刊2019年01期）
线性回归算法论文开题报告
（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：
本文研究的是在限购背景下海南省主要城市商品住宅价格的问题。首先收集研究数据,处理后通过主成分分析遴选出影响价格的主要因素,用灰色关联解释各因素之间的关系。随后从市场的供需平衡角度通过多元回归分析建立动态博弈模型。
（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。
线性回归算法论文参考文献
[1].戚龙.用最小二乘法求解线性回归方程的算法研究[J].计算机产品与流通.2019
[2].林宇驰,荣先钊.基于多元线性回归的供需平衡算法预测海南市住房[J].计算机产品与流通.2019
[3].姜博,李晓坪.一种基于多元线性回归算法的TD-LTE网络规划传播模型校正算法[J].移动通信.2019
[4].彭章友,夏海琴.无源雷达目标跟踪的线性回归-梯度下降算法[J].电子测量技术.2019
[5].李敏,程茂华,潘颖,李雄.云环境下基于线性回归算法的PM_(10)—能见度—湿度相关性研究[J].安徽师范大学学报(自然科学版).2019
[6].杨锦茹.基于线性回归算法的森林火灾预测研究[J].通讯世界.2019
[7].李悦,谈进忠,陈鹏,赵信一.基于多元线性回归算法的雾霾预测模型的研究[J].沙漠与绿洲气象.2019
[8].靳柯.基于双线性回归的单细胞测序数据去噪算法研究[D].华中师范大学.2019
[9].热娜·吐尔地.利用线性回归分类算法的人脸识别方法[J].信息与电脑(理论版).2019
[10].韩先君,刘艳丽,杨红雨.多元线性回归引导的立体匹配算法[J].计算机辅助设计与图形学学报.2019