期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
核分段逆回归集成线性判别分析用于质谱数据分类 被引量：3
1
作者 成忠 诸爱士 张立庆 《分析化学》 SCIE EI CAS CSCD 北大核心 2008年第12期1657-1661,共5页
针对高维小样本质谱数据在构造模型时易产生的过拟合现象、变量间的严重共线性、及结构与性质间的非线性关系,采用了核分段逆回归(KSIR)特征提取集成线性判别分析(LDA)新技术。首先以KSIR算法完成质谱数据的非线性特征提取,然后在由新... 针对高维小样本质谱数据在构造模型时易产生的过拟合现象、变量间的严重共线性、及结构与性质间的非线性关系,采用了核分段逆回归(KSIR)特征提取集成线性判别分析(LDA)新技术。首先以KSIR算法完成质谱数据的非线性特征提取,然后在由新特征矢量张成的低维空间构造样本类别的线性判别函数,负责各样本个体类别的判定。将KSIR-LDA方法应用于软饮料的质谱数据分类,结果表明:该方法不仅适应质谱数据与性质间的非线性关系,而且可以更少、解释能力更强的特征变量取得更高的分类精度,并能实现在低维特征空间对数据的解释及可视化。 展开更多
关键词 分段逆回归 主成分分析 核函数 线性判别分析 模式分类 质谱数据
下载PDF
分段逆回归与神经网络组合建模方法 被引量：2
2
作者 黄薇 王惠文 张志慧 《系统工程》 CSCD 北大核心 2004年第4期104-107,共4页
通过将人工神经网络技术和分段逆回归技术相结合,提出一种针对多因素非线性时间序列数据的预测建模方法。这种方法在保证原有函数形式不变的前提下,简化了输入变量,缩小了神经网络的规模,增强了模型的泛化能力。同时利用此方法建立北京... 通过将人工神经网络技术和分段逆回归技术相结合,提出一种针对多因素非线性时间序列数据的预测建模方法。这种方法在保证原有函数形式不变的前提下,简化了输入变量,缩小了神经网络的规模,增强了模型的泛化能力。同时利用此方法建立北京市就业人口需求总量的预测模型,证实该方法的预测效果,并且为该方法运用于实际预测建模提供参考。 展开更多
关键词 分段逆回归 神经网络 人工神经网络 组合建模 预测模型
下载PDF
多项式回归的建模方法比较研究 被引量：41
3
作者 付凌晖 王惠文 《数理统计与管理》 CSSCI 北大核心 2004年第1期48-52,共5页
在实际工作中,人们在采用回归模型解释因果变量间的相关关系时,经常会遇到自变量之间存在幂乘关系的情况。在这种情况下,多项式回归模型成为一个合理的选择。由于多项式回归模型中自变量之间存在较强的相关关系,采用普通最小二乘回归方... 在实际工作中,人们在采用回归模型解释因果变量间的相关关系时,经常会遇到自变量之间存在幂乘关系的情况。在这种情况下,多项式回归模型成为一个合理的选择。由于多项式回归模型中自变量之间存在较强的相关关系,采用普通最小二乘回归方法来估计变量的回归系数,则会存在较大的误差。在本文中,为了提高多项式回归模型的预测准确性和可靠性,提出使用主成分分析、偏最小二乘回归建模,并采用仿真数据来比较它们的异同。 展开更多
关键词 多项式回归 回归系数 可靠性 主成分分析法 偏最小二乘回归 分段逆回归
下载PDF
多传感器融合的数控机床热误差回归建模新方法
4
作者 王胜 余文利 姚鑫骅 《传感技术学报》 CAS CSCD 北大核心 2018年第12期1869-1875,共7页
热误差对机床的加工精度影响很大,高性能的补偿系统依赖于多传感器融合建立的三维模型的精度、鲁棒性和合适的温度进行反馈输入。使用温度与位移传感器的模糊聚类进行温度分类,基于评价模型比对分析最优的温度分类,从每个分类中选择具... 热误差对机床的加工精度影响很大,高性能的补偿系统依赖于多传感器融合建立的三维模型的精度、鲁棒性和合适的温度进行反馈输入。使用温度与位移传感器的模糊聚类进行温度分类,基于评价模型比对分析最优的温度分类,从每个分类中选择具有代表性温度作为候选温度。归纳试验数据,使用分段逆回归SIR模型进行热误差建模,SIR模型将高维前移回归问题转化为多个一维的回归问题,并且进一步消除了候选温度之间的耦合。热误差试验表明,SIR模型具有泛化能力强、预测精度高及鲁棒性好的特点,能够准确地描述多种典型工况条件下的实际热误差特性。 展开更多
关键词 热误差 模糊聚类 分段逆回归 机床传感器 误差补偿
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部