导读:本文包含了变量选择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:变量,模型,参数,数据,排放量,生产率,波长。
变量选择论文文献综述
陶小寒,刘汉葱[1]（2019）在《高维AFT模型的正则化变量选择》一文中研究指出针对生存分析中建立生存模型时,如何处理生存数据中特有的数据类型——删失数据,降低高维协变量的维数,更好地识别出真正具有预测性的因子,建立准确的生存模型的问题,提出用STUTE’s加权最小二乘法和删失限制以及LASSO正则化相结合的方法来对AFT模型进行估计。首先,提出STUTE’s加权最小二乘法和删失限制相结合的方法对生存数据中的删失数据进行处理;其次,提出了LASSO的一个新的实现算法进行模型的变量选择,降低模型中协变量的维数,精简模型;最后,通过仿真分析得到提出的新估计方法较已有的LASSO旧算法以及其他的变量选择方法,VSURF算法更能找出"真"因子,建立准确的生存模型。(本文来源于《重庆工商大学学报(自然科学版)》期刊2019年06期）
王文广,王朔,赵文杰[2]（2019）在《基于最大信息系数变量选择的电站锅炉NOx排放量在线预估》一文中研究指出模型的输入变量选择是否准确是影响模型性能的主要因素之一。针对变量选择问题,在互信息变量选择方法的基础上结合最大信息系数提出了最大信息系数变量选择方法 (MICFS)。首先,介绍了互信息的理论和相关的变量选择方法,然后引入最大信息系数改进原有的变量选择方法,并用标称模型的实验数据集验证了本方法的有效性。最后针对某350 MW燃煤机组,基于提出的变量选择方法建立了锅炉氮氧化物(NOx)排放量的NARX神经网络预估模型,测试结果表明模型的精度和泛化能力取得了满意的效果。(本文来源于《华北电力大学学报(自然科学版)》期刊2019年06期）
李岸达,张阳[3]（2019）在《基于多目标粒子群优化的关键制造过程变量选择方法》一文中研究指出为了识别影响产品质量的关键制造过程变量,提出基于多目标粒子群优化的变量选择方法。首先,构建针对非平衡制造数据的变量重要性指标。接着,将变量选择模型构建为最大化变量重要性指标和最小化变量数的两目标优化问题。最后,提出多目标粘性二进制粒子群优化算法求解模型。优化算法采用一种适应性解更新策略和变异算子增强优化性能。实验结果表明所提方法能够有效针对非平衡制造数据选择关键制造过程变量,同时具有较低时间复杂度。(本文来源于《组合机床与自动化加工技术》期刊2019年11期）
孙涛,阳春华,朱红求,李勇刚,陈俊名[4]（2019）在《一种基于变量稳定性和可信度的紫外-可见特征波长选择方法》一文中研究指出针对多组分金属离子混合溶液的紫外-可见吸收光谱(UV-Vis)重迭严重、难以分离的问题,提出了一种基于稳定性和可信度偏最小二乘法(SCPLS)的特征波长选择方法。在SCPLS中,引入指数衰减函数(EDF)以迭代的方式对波长变量进行选择。在每次迭代中对蒙特卡罗采样所得到的数据集建模,计算各波长变量的稳定性和可信度指标,并通过EDF选择具有较高稳定性和可信度的变量,选择的变量作为新的变量集进入下一次变量选择迭代。迭代全部完成后,计算每一次迭代所选的变量集建模的交叉验证均方根误差(RMSECV),选择RMSECV最小的变量集作为波长变量选择的结果。利用Zn(Ⅱ),Cu(Ⅱ)和Co(Ⅱ)混合溶液的紫外-可见光谱数据集和Zn(Ⅱ)和Co(Ⅱ)混合溶液的紫外-可见光谱数据集对所提方法性能进行了验证,并与全波段偏最小二乘、移动窗口偏最小二乘法(MWPLS)、蒙特卡罗无信息变量消除方法 (MC-UVE)、竞争性自适应加权算法(CARS)和稳定性竞争自适应加权算法(SCARS)进行了比较分析。结果表明:该方法不仅能降低波长选择的复杂度,还能在保证波长选择过程稳定的情况下,选出对模型重要的波长变量,较之其他方法所提出的方法选取的变量建立的模型RMSECV最小,对于Zn(Ⅱ), Cu(Ⅱ)和Co(Ⅱ)数据集,使用SCPLS方法得到的Zn(Ⅱ), Cu(Ⅱ)和Co(Ⅱ)的RMSECV值分别比全光谱PLS下降60.5%, 40.2%和31.8%,与SCARS相比分别下降29.8%, 26.1%和0.8%, Zn(Ⅱ), Cu(Ⅱ)和Co(Ⅱ)平均相对误差分别为2.14%, 1.25%和0.74%,其中Zn(Ⅱ)的最大相对误差为4.67%, Cu(Ⅱ)的最大相对误差为3.99%, Co(Ⅱ)的最大相对误差为3.12%;对于Zn(Ⅱ)和Co(Ⅱ)数据集,使用SCPLS方法得到的Zn(Ⅱ)和Co(Ⅱ)的RMSECV值分别比全光谱PLS下降39.4%和24.9%,与SCARS相比分别下降35.3%和13.3%, Zn(Ⅱ)和Co(Ⅱ)平均相对误差分别为1.23%, 1.10%,其中Zn(Ⅱ)的最大相对误差为4.45%, Co(Ⅱ)的最大相对误差为4.57%,有效提高光谱建模精度。(本文来源于《光谱学与光谱分析》期刊2019年11期）
周力敏[5]（2019）在《影响政策工具选择的变量与考量》一文中研究指出政策工具选择是提高党和政府执政能力和领导水平的重要内容。影响政策工具选择的变量主要是民生变量、风险变量、资源变量、市场变量和冲突变量。各种变量由于在政策工具选择中所处的位置不同、作用不同、影响程度不同、作用环节不同,可分为:可能性变量、选择性变量和程度性变量。政策工具选择的过程就是综合考量各种变量,明确各种变量间的关系,以及变量间的相互影响关系来确定政策工具选择的过程。(本文来源于《云南行政学院学报》期刊2019年06期）
李顺勇,赵永胜[6]（2019）在《基于split-and-conquer和非参数向前选择法的变量选择》一文中研究指出变量选择是统计学界研究的重要课题之一.当处理高维数据时,一些常用的变量选择方法大多比较耗时,因此提出了一种既能筛选出高维数据中的变量又能节省时间的方法:基于split-and-conquer的非参数向前选择法.首先使用split-and-conquer方法将数据进行拆分,然后使用B样条函数逼近的非参数向前选择法进行研究.实验结果表明:基于split-and-conquer的非参数向前选择法可以较好地将变量选择出来,并且节省了大量时间.(本文来源于《云南民族大学学报(自然科学版)》期刊2019年06期）
胡紫薇[7]（2019）在《高维回归中的几种变量选择方法》一文中研究指出高维数据的变量选择是统计学家面临的主要问题之一。随着现代科学与技术的发展,统计分析者面临的数据越来越复杂,数据量也越来越大,海量的高维数据和超高维数据让统计分析工作颇具挑战性,各种各样的污染数据和异常数据也掺杂其中,如何有效地分析所得到的高维数据,是现代统计学面临的挑战之一。变量选择作为处理高维数据的一种主要思路,以模型的稀疏性假定为前提,即假定只有少量的解释变量对响应变量有显着影响,从而利用各种选择方法估计模型,提高模型的解释性。本文主要介绍几种处理高维数据和超高维数据的变量选择的方法,阐述各个方法的同时也对方法之间的改进和优缺点做了对比,发现方法之间的合理结合会产生良好的变量筛选效果。(本文来源于《科学技术创新》期刊2019年30期）
钱彤,朱永忠[8]（2019）在《基于Horseshoe+先验的惩罚置信区域变量选择方法》一文中研究指出针对高维稀疏线性回归问题,相关变量的数量远远少于不相关变量.相关变量的变量选择问题对于传统的频率论正则化方法是一大挑战.现有的贝叶斯惩罚置信区域法通过将模型拟合与变量选择分离,在联合后验置信区域内搜索最稀疏解,从而得到稀疏模型解.且该方法在高维变量选择效果上优于常用的变量选择方法.在此基础上,针对高维稀疏模型,将原方法中依赖的共轭正态先验替换成针对"稀疏信号勘测问题"提出的Horseshoe+先验,利用Horseshoe+先验对小系数"重"压缩与大系数几乎零压缩的理论特性,实现对稀疏回归系数的稳健估计.通过数据仿真模拟不同稀疏程度下的高维稀疏线性回归,并将基于Horseshoe+先验的惩罚置信区域法分别与基于正态先验以及Laplace先验的该方法进行比较,结果表明基于Horseshoe+先验的惩罚置信区域法在高维稀疏线性回归问题具有更好的变量选择效果与预测效果.(本文来源于《云南民族大学学报(自然科学版)》期刊2019年05期）
牛洋,许学军[9]（2019）在《全要素生产率的计算方法与变量选择的改良——基于DEA的Malmquist指数法》一文中研究指出我国经济发展正处于转型阶段的最后"窗口期",所以一定要把重心放在提升经济发展的质量和效益上才可实现可持续发展。而实现全要素生产率的提高是我国经济政策设定的目标之一,本文通过对比众多文献,吸纳其有益的内容,从全要素生产率计算方法到变量的选择都做了改良;为了弥补Malmquist指数法不能用单一地区作为样本的缺陷,提高结果的准确性,本文选取14个省份2003-2017年的面板数据,应用Malmquist指数法分析,并重点对比了河南省和江浙沪叁地的全要素生产率变化情况,通过借鉴上海市的发展经验,对河南省在经济转型中提高经济质量提出建议。(本文来源于《中国物价》期刊2019年09期）
赵莹,刘西国,刘晓慧[10]（2019）在《管理者任期对创新战略选择的影响——以内部控制作为调节变量》一文中研究指出以2013-2016年我国沪深A股上市公司为样本,运用高层梯队和委托代理等理论,研究管理者既有任期以及预期任期与创新战略的关系,并讨论内部控制在两者之间的调节作用。研究发现:管理者任期越长,企业越倾向于选择探索式创新战略;内部控制在管理者预期任期与探索式创新战略的选择中起正向调节作用;区分产权性质后,正向调节作用在国有企业与非国有企业中存在异质性。延长管理者任期、完善内部控制制度等是企业创新战略的重要举措。(本文来源于《福建商学院学报》期刊2019年04期）
变量选择论文开题报告
（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：
模型的输入变量选择是否准确是影响模型性能的主要因素之一。针对变量选择问题,在互信息变量选择方法的基础上结合最大信息系数提出了最大信息系数变量选择方法 (MICFS)。首先,介绍了互信息的理论和相关的变量选择方法,然后引入最大信息系数改进原有的变量选择方法,并用标称模型的实验数据集验证了本方法的有效性。最后针对某350 MW燃煤机组,基于提出的变量选择方法建立了锅炉氮氧化物(NOx)排放量的NARX神经网络预估模型,测试结果表明模型的精度和泛化能力取得了满意的效果。
（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。
变量选择论文参考文献
[1].陶小寒,刘汉葱.高维AFT模型的正则化变量选择[J].重庆工商大学学报(自然科学版).2019
[2].王文广,王朔,赵文杰.基于最大信息系数变量选择的电站锅炉NOx排放量在线预估[J].华北电力大学学报(自然科学版).2019
[3].李岸达,张阳.基于多目标粒子群优化的关键制造过程变量选择方法[J].组合机床与自动化加工技术.2019
[4].孙涛,阳春华,朱红求,李勇刚,陈俊名.一种基于变量稳定性和可信度的紫外-可见特征波长选择方法[J].光谱学与光谱分析.2019
[5].周力敏.影响政策工具选择的变量与考量[J].云南行政学院学报.2019
[6].李顺勇,赵永胜.基于split-and-conquer和非参数向前选择法的变量选择[J].云南民族大学学报(自然科学版).2019
[7].胡紫薇.高维回归中的几种变量选择方法[J].科学技术创新.2019
[8].钱彤,朱永忠.基于Horseshoe+先验的惩罚置信区域变量选择方法[J].云南民族大学学报(自然科学版).2019
[9].牛洋,许学军.全要素生产率的计算方法与变量选择的改良——基于DEA的Malmquist指数法[J].中国物价.2019
[10].赵莹,刘西国,刘晓慧.管理者任期对创新战略选择的影响——以内部控制作为调节变量[J].福建商学院学报.2019
论文知识图
