导读:本文包含了最小一乘准则论文开题报告文献综述及选题提纲参考文献，主要关键词:非线性系统,径向基函数,主成分分析,近似偏最小一乘
最小一乘准则论文文献综述
徐宝昌,张华,王金山[1]（2019）在《基于径向基函数的非线性系统近似偏最小一乘准则辨识算法》一文中研究指出针对输入信号非线性相关的非线性系统,提出了基于径向基函数的近似偏最小一乘准则辨识算法。首先对观测数据矩阵进行列扩展,以径向基函数(radial basis function,RBF)网络的输出作为观测数据矩阵的扩展项,然后利用近似偏最小一乘算法对扩展的观测矩阵和输出矩阵进行线性回归。近似偏最小一乘算法用确定性可导函数近似代替残差绝对值,可以抑制对称α稳定(symmetrical alpha stable,SαS)分布的尖峰噪声。同时,通过主成分分析去除非线性系统数据向量矩阵之间的非线性相关,得出模型参数的唯一解。仿真实验表明,本文算法可以对输入信号存在非线性相关的非线性系统进行直接辨识,抑制了尖峰噪声对辨识结果的影响,具有优良的稳健性。(本文来源于《化工学报》期刊2019年02期）
童新安,王云鹏,运士伟[2]（2018）在《基于最小一乘准则的离散GM(1,1)模型》一文中研究指出针对最小二乘法则在灰色模型参数估计时稳健性较差的特点,提出基于最小一乘准则估计离散GM(1,1)模型的参数,给出了求解最小一乘问题的规划模型,得到了一种新的预测公式。通过计算实例表明,基于最小一乘准则的离散GM(1,1)模型对于有无异常点的原始序列,都具有较高预测精度和稳健性。(本文来源于《大庆师范学院学报》期刊2018年06期）
徐宝昌,张华,王学敏[3]（2018）在《基于近似偏最小一乘准则的多变量非线性系统辨识方法》一文中研究指出基于近似最小一乘准则和主成分分析,针对输入信号线性相关的多变量Hammerstein模型,进行了近似偏最小一乘非线性系统辨识算法的推导。本文算法用确定性可导函数近似代替残差绝对值,可以抑制满足SαS分布的尖峰噪声,且具有目标函数可导、计算简单的优点。同时,通过主成分分析去除非线性系统数据向量矩阵之间的相关性,可以得出模型参数的唯一解。仿真实验表明,本文算法可以对输入信号存在相关性的多变量Hammerstein模型进行直接辨识,抑制了尖峰噪声对辨识结果的影响,具有优良的稳健性。(本文来源于《化工学报》期刊2018年03期）
周影辉,倪中新,朱平芳[4]（2015）在《基于最小一乘准则的上证指数突变点研究》一文中研究指出很多研究表明,上证指数序列既有结构突变的特征,也有厚尾的特征。但大部分现有的研究都没有考虑其厚尾特征对变点估计的影响。本文基于最小一乘准则提出了一个估计厚尾数据中变点的方法。模拟研究表明,当数据具有厚尾特征时,基于最小一乘准则的变点估计比基于最小二乘准则的估计有效。对上证指数的实证结果表明,基于最小一乘准则估计出的变点能更好地描述中国股票市场的结构突变特征。(本文来源于《中国管理科学》期刊2015年10期）
王晓东,史丽敏[5]（2015）在《基于最小一乘准则GM(1,1)模型的CPI预测》一文中研究指出文章采用最小一乘准则建立了CPI经济预测GM(1,1)模型,利用1-AGO序列给出参数估计的LIN-GO算法程序和模型检测方法。最后,利用该模型采用我国2010年9月-2011年3月CPI月度指数对未来几个月的CPI走势进行预测,结果表明模型普适有效。(本文来源于《统计与决策》期刊2015年03期）
徐宝昌,张瀛丹[6]（2015）在《基于近似最小一乘准则的多新息辨识算法》一文中研究指出结合梯度搜索原理及多新息思想,通过建立近似最小一乘目标函数,给出了一种基于近似最小一乘准则的多新息随机梯度辨识算法。算法在每一步计算时综合考虑当前和过去时刻的数据,用一个可导确定性函数近似代替残差的绝对值,既克服了最小二乘准则在测量数据存在异常点时残差平方项过大的缺点,又满足了算法中求导的需求。仿真结果表明,相比于以最小二乘为准则函数的辨识算法,本文算法有效的提高了参数估计精度,降低了异常点对辨识结果的影响,尤其是在存在尖峰序列噪声或大幅度干扰时显示出良好的稳健性。在实际的工业应用中,应用该算法无须事先剔除异常点数据,降低了辨识算法对测量数据质量的要求。(本文来源于《控制工程》期刊2015年01期）
唐辉雄,赵伏军,张柏,陈珂[7]（2014）在《基于最小一乘准则求解矿井通风机性能曲线》一文中研究指出在处理矿井通风机实测数据时,传统的拟合算法很难得到最佳的拟合曲线,曲线精度不高,难以反映实际情况。针对这一问题,提出了最小一乘法求解矿井通风机性能曲线,以零偏差点个数、零偏差点比率、总偏差、平均偏差和偏差率作为评估拟合通风机性能曲线的精度指标。通过对现场实测通风机数据进行叁次多项式拟合,结果表明:最小一乘法拟合的曲线方程出现了多个零偏差点,减少了异常点对曲线方程的影响,具有更高的精度。(本文来源于《中国安全生产科学技术》期刊2014年10期）
顾乐民[8]（2013）在《基于最小一乘准则的中国粮食产量与影响因素的相关性分析》一文中研究指出该文提出了中国粮食产量与影响粮食产量的一些主要因素之间,更多呈现的是指数关系,也少量呈现幂指数关系,为了获得较小的误差从而有较准确的描述定义了一种新的指数型生产函数;指出了最小一乘法是一种能找到在数据背后隐含的,对数据起支配控制作用的"隐函数"的最好方法。将二者捏合起来,用最小一乘法对指数型生产函数模型进行拟合,可以找到符合中国粮食变化的某些规律。该文介绍了最小一乘法和指数型生产函数,将影响粮食产量的5个主要因素(化肥施用量、粮食播种面积、成灾面积、农业机械总动力、第一产业就业人数)与中国粮食产量建立关联,用最小一乘法对生产函数模型进行拟合,并对中国1983-2011年的数据进行处理。在获得29a间中国粮食产量的Mae(平均绝对误差)不超过393万t,以及Mape(平均绝对百分误差)小于0.87%的数据处理结果的基础上,对数据给出的结论进行了解释和分析。1983-2011年的29a间,中国粮食产量的增长主要取决于化肥施用量和农业机械总动力,其中化肥施用量还继续在起"正"影响,而农业机械总动力趋于动态饱和,属于理论上的"负"影响,但不构成实际的"负"效应;粮食播种面积是最大的"正"影响,粮食产量在粮食播种面积在不增条件下,依然可以增长,但是增大粮食播种面积将能够迅速提高中国的粮食产量;成灾面积是粮食增长的"负"影响,影响的绝对量值在增加但相对量值在减小;由于受1984-1991年第一产业就业人数急剧增长的巨大冲击及滞后效应影响,第一产业就业人数的减少对粮食增长构成"负"影响,随着农业现代化与城镇化进程的发展,这种"负"影响在不断减小中。文中对上述这些定性结论给出了具体的定量值。该文并对2012年粮食产量进行了预测,其值为59133万t,预测的误差为0.3%;也对2013年粮食产量进行了预测,其值为61148万t。该文最后对最小一乘法、指数型生产函数等存在的问题进行了必要的讨论。最小一乘准则意义下的指数型生产函数,对中国粮食产量与主要影响因素之间关系的描述具有一定的准确性和指导意义。(本文来源于《农业工程学报》期刊2013年11期）
周长芹,杜迎雪,何霞[9]（2013）在《最小一乘准则GM(1,1)模型》一文中研究指出针对相关文献的边值修正GM(1,1)模型中,边值修正项和模型检验均采用最小一乘准则,而模型参数估计采用最小二乘准则的不协调性,将最小一乘准则应用到模型参数估计中,统一了模型参数、边值修正项和模型精度检验的准则,得到了真正意义上的最小一乘准则GM(1,1)模型。计算实例说明,最小一乘准则GM(1,1)模型具有很好的精度和稳健性。(本文来源于《廊坊师范学院学报(自然科学版)》期刊2013年02期）
张步阔[10]（2013）在《基于最小一乘准则最优回归模型的区域物流需求预测问题研究》一文中研究指出结合统计学理论的研究成果,主要探讨了最小一乘法及其性质和求解,为最小一乘回归模型的应用奠定了基础,同时通过区域物流需求预测问题的研究,证明了最小一乘法的回归结果非常好,预测误差小,取得了可以接受的预测效果,并具有很好的稳健性。(本文来源于《物流技术》期刊2013年05期）
最小一乘准则论文开题报告
（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：
针对最小二乘法则在灰色模型参数估计时稳健性较差的特点,提出基于最小一乘准则估计离散GM(1,1)模型的参数,给出了求解最小一乘问题的规划模型,得到了一种新的预测公式。通过计算实例表明,基于最小一乘准则的离散GM(1,1)模型对于有无异常点的原始序列,都具有较高预测精度和稳健性。
（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。
最小一乘准则论文参考文献
[1].徐宝昌,张华,王金山.基于径向基函数的非线性系统近似偏最小一乘准则辨识算法[J].化工学报.2019
[2].童新安,王云鹏,运士伟.基于最小一乘准则的离散GM(1,1)模型[J].大庆师范学院学报.2018
[3].徐宝昌,张华,王学敏.基于近似偏最小一乘准则的多变量非线性系统辨识方法[J].化工学报.2018
[4].周影辉,倪中新,朱平芳.基于最小一乘准则的上证指数突变点研究[J].中国管理科学.2015
[5].王晓东,史丽敏.基于最小一乘准则GM(1,1)模型的CPI预测[J].统计与决策.2015
[6].徐宝昌,张瀛丹.基于近似最小一乘准则的多新息辨识算法[J].控制工程.2015
[7].唐辉雄,赵伏军,张柏,陈珂.基于最小一乘准则求解矿井通风机性能曲线[J].中国安全生产科学技术.2014
[8].顾乐民.基于最小一乘准则的中国粮食产量与影响因素的相关性分析[J].农业工程学报.2013
[9].周长芹,杜迎雪,何霞.最小一乘准则GM(1,1)模型[J].廊坊师范学院学报(自然科学版).2013
[10].张步阔.基于最小一乘准则最优回归模型的区域物流需求预测问题研究[J].物流技术.2013