导读:本文包含了局部权重论文开题报告文献综述及选题提纲参考文献，主要关键词:非参数回归,局部权重,惩罚样条,分位数回归
局部权重论文文献综述
殷亚琪[1]（2019）在《两种局部权重调节的非参数回归模型》一文中研究指出传统的惩罚样条回归模型以B样条为基函数来拟合回归函数,以样条系数的二阶差分作为惩罚来保持估计的拟合优度和粗糙度之间的平衡.支持向量分位数回归模型以核函数为工具,将输入空间映射到更高维度的特征空间,并以检测函数为损失函数,以估计量的范数为惩罚项来得到模型最优解.但是,在这两种模型的惩罚项构造中,惩罚权重在解释变量的各个位置往往是相等的,因此这样的模型在数据具有异质性变化特征时效果欠佳.本文分别构造了基于局部权重调节的惩罚项,并将其应用于这两种模型,从而提升模型的自适应性.首先根据惩罚样条回归模型惩罚项的设置特点,借助adaptive lasso思想,构造了基于样条系数预估计值的单调减函数权重.其次在支持向量分位数回归模型中,我们使用响应变量观测值局部方差的单减函数来调节局部权重,从而使拟合曲线能自适应的匹配数据的局部变化特征.模拟和实际应用的结果显示新模型有更低的均方误差和平均绝对误差.(本文来源于《安徽大学》期刊2019-02-01）
何云飞,杨联强[2]（2019）在《基于局部权重调节的自适应LOESS方法》一文中研究指出传统LOESS方法的带宽随着数据在协变量方向上的稠密性而变化,因而它比局部多项式回归有更优的拟合效果。但该方法没有考虑数据在因变量方向上的变化特征,因而对具有不同波动特征的数据,其拟合效果有待提升。文章在LOESS方法的基础上,考虑构造观测数据在因变量方向上变化特征的权重,并嵌入到加权最小二乘拟合中,给出了具有更好自适应性的LOESS方法。模型估计的计算复杂度没有提升,模拟及实际应用显示新方法相比于传统LOESS方法有更好的拟合效果。(本文来源于《统计与决策》期刊2019年01期）
殷亚琪,杨联强,王学军[3]（2018）在《局部权重调节的自适应惩罚样条回归模型》一文中研究指出传统惩罚样条回归模型中的惩罚是均匀惩罚未考虑数据的局部异质性,因而对复杂数据的拟合缺乏自适应性.本文针对约束回归模型惩罚项的设置特点,设计一种局部惩罚权重向量并将其加入到模型中,构造基于B样条基的自适应惩罚样条回归模型.新模型在观测数据波动较大的区域,给予拟合曲线较小的惩罚,而在观测数据波动较小的区域,给予拟合曲线较大的惩罚,从而使拟合曲线能自适应的反映观测数据的局部变化特征.模拟和应用的结果显示新模型的拟合效果显着优于传统的惩罚样条回归模型.(本文来源于《应用数学》期刊2018年03期）
谢红,赵洪野,解武[4]（2015）在《基于局部权重k-近质心近邻算法》一文中研究指出k-近质心近邻原则是k-近邻原则的一种有效扩展,是有效的模式分类方法之一。k-近质心近邻原则容易受到局外点的影响;同时,所有的k-近质心近邻点在分类决策时具有相同的权重和分类贡献率,这显然是不合理的。为了解决这一问题,考虑到质心近邻在模式分类问题上具有近邻特性和空间分布特性,提出一种基于局部权重的近质心近邻算法,实验结果表明该LWKNCN算法在分类精度上优于传统的KNN算法和KNCN算法。(本文来源于《应用科技》期刊2015年05期）
莫礼平[5]（2007）在《基于局部权重及阈值调整算法的BP网络预测模型研究》一文中研究指出通过对基本BP算法的分析,提出了一种基于局部权重及阈值调整的改进BP算法.结合该改进算法,讨论了在Matlab中创建基于BP网络的交通运输需求预测模型并使用该模型进行预测的过程.同时,将基于局部权重及阈值调整的改进BP算法和加动量项的自适应学习率BP算法的模型的预测效果进行了比较,比较结果表明前者的预测效果优于后者.(本文来源于《甘肃联合大学学报(自然科学版)》期刊2007年01期）
吴竞[6]（2005）在《模糊规则中局部权重对推理精确度的影响》一文中研究指出一组模糊规则可从训练事例中学习得到,通常这组规则的推理精度有待提高。提出一种精练模糊规则的方法,它的主要思想是通过线性推理器,把局部权重分配给模糊规则中的各前件因子,通过求解一个规划问题,得出权重的近似最优值,从而改进推理精确度。(本文来源于《河北工业科技》期刊2005年01期）
局部权重论文开题报告
（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：
传统LOESS方法的带宽随着数据在协变量方向上的稠密性而变化,因而它比局部多项式回归有更优的拟合效果。但该方法没有考虑数据在因变量方向上的变化特征,因而对具有不同波动特征的数据,其拟合效果有待提升。文章在LOESS方法的基础上,考虑构造观测数据在因变量方向上变化特征的权重,并嵌入到加权最小二乘拟合中,给出了具有更好自适应性的LOESS方法。模型估计的计算复杂度没有提升,模拟及实际应用显示新方法相比于传统LOESS方法有更好的拟合效果。
（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。
局部权重论文参考文献
[1].殷亚琪.两种局部权重调节的非参数回归模型[D].安徽大学.2019
[2].何云飞,杨联强.基于局部权重调节的自适应LOESS方法[J].统计与决策.2019
[3].殷亚琪,杨联强,王学军.局部权重调节的自适应惩罚样条回归模型[J].应用数学.2018
[4].谢红,赵洪野,解武.基于局部权重k-近质心近邻算法[J].应用科技.2015
[5].莫礼平.基于局部权重及阈值调整算法的BP网络预测模型研究[J].甘肃联合大学学报(自然科学版).2007
[6].吴竞.模糊规则中局部权重对推理精确度的影响[J].河北工业科技.2005