导读:本文包含了多元广义线性模型论文开题报告文献综述及选题提纲参考文献，主要关键词:功能性磁共振成像,广义线性模型,优化函数,迭代算法
多元广义线性模型论文文献综述
杨雅倩,唐绍婷[1]（2018）在《基于扩展的低阶多元广义线性模型的脑节点识别方法》一文中研究指出针对现有单节点模型识别准确度较低以及低阶多元广义线性模型(LRMGLM)计算时间过长和使用局限性问题,提出基于扩展的低阶多元广义线性模型(ELRMGLM)的脑节点识别方法。首先,建立可以同时处理两次实验所有节点数据的ELRMGLM,以更多的时间空间信息来提高算法的准确度;然后,利用带时空平滑惩罚项的优化函数引入先验信息,并通过迭代函数对模型参数进行求解;最后,使用基于K-means的快速选择策略实现惩罚参数和大脑节点的快速选择。叁次样本实验中,ELRMGLM的准确度分别比经典血液动力学响应函数(canonical)方法、平滑有限脉冲响应(SFIR)方法、正则化和广义交叉验证(Tik-GCV)方法的最优结果提升了约20%、8%、20%,略优于LRMGLM,且计算时间是LRMGLM的1/750。实验结果表明,ELRMGLM能有效提高大脑节点的识别准确度,减少计算时间。(本文来源于《计算机应用》期刊2018年10期）
张猛猛[2]（2018）在《多元混合型纵向数据中基于copula的广义线性混合模型》一文中研究指出对多元纵向数据分析时,其建模难度要远远高于一元的情形.这主要是因为不仅要考虑一个个体的多次观测在时间上的相依性,还要考虑在同一时间点的各个响应变量之间的相关性.在本文中,我们提出了一个基于copula的广义线性混合模型去联合分析多响应的混合型纵向数据,可以处理包含连续性,计数型及二元型变量的数据.一方面,我们使用广义线性混合模型对纵向数据中重复测量之间的相依性进行建模.另一方面,我们使用D-vine copula去衡量不同响应变量之间的相关性.通过将混合效应模型和D-vine模型的结合,我们提出的模型不仅可以处理包含不同边际分布的非平衡的数据,而且还可以处理高维的问题.基于D-vine copula,我们提出了混合型数据的采样算法以及计算似然函数的算法.对于广义线性混合模型,我们不指定随机效应的分布,使用非参数的方法对模型进行拟合,然后利用EM算法去求得参数的极大似然估计.通过对实际数据的分析以及我们的模拟结果表明,非参数的方法要比传统的参数化的方法更高效和灵活。(本文来源于《中国科学技术大学》期刊2018-05-28）
吴昕宇[3]（2018）在《带有多元条件自回归的广义混合线性模型在空间统计数据上的应用》一文中研究指出论文研究了疾病数据的空间分布模型,在研究这一问题常用的条件自回归模型的基础上,将其与广义线性回归模型相结合,并由过去只研究单种疾病,发展到研究两种以上疾病在空间中的分布关系。Jin等人在2005年介绍了一种更加灵活的广义多元条件自回归模型,并运用贝叶斯的方法进行参数估计。在本文中,我们在Jin等人的研究基础上,使用分层贝叶斯的计算方法对模型进行迭代,从而计算出各个参数。在第1节与第2节,论文介绍了空间自相关性理论,因为证明数据是空间相关的是我们研究空间统计的前提,介绍了多变量条件自回归(MCAR)模型,并将其与线性模型结合,扩展至广义空间线性混合模型。在第叁节进行模型的模拟工作,对多元条件自回归模型与广义线性模型的混合模型进行模拟检测,证明模型是合理且可用于实例分析。在实例分析部分,论文利用了《中国肿瘤登记地区2008年恶性肿瘤发病和死亡分析》所提供的数据,通过Moran’s I指数证明了肿瘤发病与死亡数据都具有有空间相关性的,根据Local Moran’s I值、Z得分确定了每个区域的空间聚集类型,即高高,低低,高低,低高,并对一些特定地区进行分析。论文选用了代表性比较强胃癌和食道癌进行分析,利用Openbugs软件在迭代5万次之后使所有主要参数均尾部均达到平稳,由结果可以得出,这两种疾病都具有较强的空间相关度,并且两种疾病在空间上有微弱的正向关系,即胃癌在空间上对肝脏癌存在一个正向的促进效应。(本文来源于《大连理工大学》期刊2018-03-25）
周永正,张金良[4]（2016）在《聚集数据多元线性模型参数的多元聚集广义岭估计的相对效率》一文中研究指出对于聚集数据的多元线性模型,提出了参数的多元聚集广义岭估计的概念,给出了多元聚集广义岭估计相对于最小二乘估计及最佳线性无偏估计的两种相对效率,并得到了这两种相对效率的上界.(本文来源于《数学的实践与认识》期刊2016年09期）
李绍波,黄云腾,朱宁[5]（2012）在《多元线性模型广义岭型预测的最优性判别》一文中研究指出对多元线性模型有偏估计的预测问题,利用矩阵不等式的性质,提出判别最优线性无偏预测、岭型预测和广义岭型预测最优性的一个Ri(.)准则,找到了广义岭型预测在该准则下,比最优线性无偏预测优越的充要条件,及在矩阵迹意义下优于最优线性无偏预测、岭型预测的充分条件,为多元线性模型两类预测量的最优性判别问题提供了一种新诊断方法。(本文来源于《桂林电子科技大学学报》期刊2012年06期）
范军辉[6]（2012）在《参数个数发散情况下的多元广义线性模型的变量选择》一文中研究指出多元广义线性模型被广泛用于拟合具有复杂响应变量的数据.对于多元广义线性模型,传统的模型选择方法主要是在参数个数固定且具有自然联系函数的情形下提出的.然而,在许多的模型选择问题中,参数个数一般很大,并且它会随着样本量的增加而增大.本文提出一类变量选择准则,用来处理参数个数发散的情况.并证明了在一定条件下,这类准则具有模型选择相合性.数值模拟和实例分析的结果支持了理论上的发现.(本文来源于《大连理工大学》期刊2012-05-01）
崔杰[7]（2010）在《多元广义线性模型基于惩罚似然的调整参数的选择》一文中研究指出广义线性模型(GLMs),可对多种类型的数据进行建模,是应用非常广泛的模型.线性回归模型,方差分析模型和logistic模型等都是广义线性模型的特例.变量选择是处理高维多元广义线性模型的基本方法,Fan和Li(2001)提出的SCAD方法可以用来选择广义线性模型的变量和估计参数.由于SCAD方法中的调整参数控制着模型的复杂度,所以选择调整参数是十分重要的.本文研究了多元广义线性模型基于SCAD方法的调整参数的选择方法.文中提出了一个选择调整参数的准则,并证明了在一定的条件下,该准则选择的模型具有相合性.最后数值模拟和实例分析的结果支持了该准则的理论性质.(本文来源于《大连理工大学》期刊2010-11-01）
郑明月,罗小民,张振山,陈凯先,蒋华良[8]（2005）在《药物小分子溶解度预测:广义原子加和模型和多元线性回归》一文中研究指出药物的水溶解性是影响药物在人体内吸收/分布的一项重要物化指标,发展一套快速可靠的溶解度预测方法对于ADME的早期评价有重要意义;对于合成工作者来说,预先知道目标化合物的溶解度对合成设计也具有积极作用。传统原子加和模型可以表述为Y=(?)ai,广义原子加和模型用一个函数fj(xi)描述每个原子ai对整体性质的贡献,其中x为描述原子性质的描述符,因此,响应值Y可以由函数 Y=(?)fj(xi)进行预测。,我们认为每个原子对于药物分子的溶解度logS贡献值ai的与其原子(本文来源于《中国化学会第九届全国量子化学学术会议暨庆祝徐光宪教授从教六十年论文摘要集》期刊2005-10-01）
张玲,柳金甫[9]（2004）在《多元线性模型的广义逆诊断问题》一文中研究指出在实际问题中,经常需要考虑多个因变量对多个自变量的相互依赖关系,但在运算过程中经常会碰 到奇异矩阵不能求逆的问题。通过推导任意2矩阵的差的广义逆,解决了这一问题,继而得出多元线性模型的参 数估计,最后推出数据删除模型异常点的判断依据。(本文来源于《装甲兵工程学院学报》期刊2004年03期）
周忠眉,梁飞豹[10]（2001）在《多元线性模型回归参数的一种广义估计》一文中研究指出采用广义估计 β (K)估计多元线性模型中回归参数 β ,通过K值的选取 ,可使 β (K)的均方误差小于最小二乘估计 β 的均方误差 ,且在一定条件下 ,β (K)为 β的可容许估计 ;还讨论了 β (K)的均方残差的性质 .(本文来源于《福州大学学报(自然科学版)》期刊2001年03期）
多元广义线性模型论文开题报告
（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：
对多元纵向数据分析时,其建模难度要远远高于一元的情形.这主要是因为不仅要考虑一个个体的多次观测在时间上的相依性,还要考虑在同一时间点的各个响应变量之间的相关性.在本文中,我们提出了一个基于copula的广义线性混合模型去联合分析多响应的混合型纵向数据,可以处理包含连续性,计数型及二元型变量的数据.一方面,我们使用广义线性混合模型对纵向数据中重复测量之间的相依性进行建模.另一方面,我们使用D-vine copula去衡量不同响应变量之间的相关性.通过将混合效应模型和D-vine模型的结合,我们提出的模型不仅可以处理包含不同边际分布的非平衡的数据,而且还可以处理高维的问题.基于D-vine copula,我们提出了混合型数据的采样算法以及计算似然函数的算法.对于广义线性混合模型,我们不指定随机效应的分布,使用非参数的方法对模型进行拟合,然后利用EM算法去求得参数的极大似然估计.通过对实际数据的分析以及我们的模拟结果表明,非参数的方法要比传统的参数化的方法更高效和灵活。
（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。
多元广义线性模型论文参考文献
[1].杨雅倩,唐绍婷.基于扩展的低阶多元广义线性模型的脑节点识别方法[J].计算机应用.2018
[2].张猛猛.多元混合型纵向数据中基于copula的广义线性混合模型[D].中国科学技术大学.2018
[3].吴昕宇.带有多元条件自回归的广义混合线性模型在空间统计数据上的应用[D].大连理工大学.2018
[4].周永正,张金良.聚集数据多元线性模型参数的多元聚集广义岭估计的相对效率[J].数学的实践与认识.2016
[5].李绍波,黄云腾,朱宁.多元线性模型广义岭型预测的最优性判别[J].桂林电子科技大学学报.2012
[6].范军辉.参数个数发散情况下的多元广义线性模型的变量选择[D].大连理工大学.2012
[7].崔杰.多元广义线性模型基于惩罚似然的调整参数的选择[D].大连理工大学.2010
[8].郑明月,罗小民,张振山,陈凯先,蒋华良.药物小分子溶解度预测:广义原子加和模型和多元线性回归[C].中国化学会第九届全国量子化学学术会议暨庆祝徐光宪教授从教六十年论文摘要集.2005
[9].张玲,柳金甫.多元线性模型的广义逆诊断问题[J].装甲兵工程学院学报.2004
[10].周忠眉,梁飞豹.多元线性模型回归参数的一种广义估计[J].福州大学学报(自然科学版).2001