导读:本文包含了拟合回归论文开题报告文献综述及选题提纲参考文献，主要关键词:拟合系数定常回归法,硬脂酸异戊酯,离子液体,数学模型
拟合回归论文文献综述
鲁洋,王霜,李法社,隋猛,王文超[1]（2019）在《拟合系数定常回归法分析生物柴油酯化反应影响因素的数学模型》一文中研究指出以吡啶硫酸氢盐离子液体为催化剂,对硬脂酸和异戊醇催化制备硬脂酸异戊酯的转化率进行了研究。发现反应时间、反应温度、催化剂用量和醇酸摩尔比对生物柴油酯化反应的单一和复合影响规律,并利用拟合系数定常回归法构建这4种因素对生物柴油酯化反应复合作用的数学模型,得到生物柴油酯化反应转化率与4种因素的单一及复合影响的函数关系。并在醇酸摩尔比7∶1、反应时间30 min、催化剂用量7%、反应温度90℃的条件下对复合影响数学模型进行验证。结果表明,运用数学模型计算所得转化率为98. 735 8%,与转化率实验值98. 34%进行比较,相对误差仅为0. 402%。(本文来源于《中国油脂》期刊2019年10期）
邢立国,李文坚,刘玉坤[2]（2019）在《基于pytorch二次关系拟合(回归)及其实现》一文中研究指出深度学习已经成为近几年来的研究热点。在诸多深度学习研究工具中,pytorch是最流行、最常用系统之一。对pytorch进行了介绍,并给出了一个线性回归案例,使用pytorch语言进行了实现。文章既可以对pytorch的入门学习者助一臂之力,又可以使深度学习的爱好者从中受益。(本文来源于《电脑知识与技术》期刊2019年26期）
王景中,胡凯[3]（2019）在《基于BP回归神经网络的人体角度拟合研究》一文中研究指出基于深度学习和深度摄像机的人体动作识别方法,受其应用场景所限,均不能对视频中快变场景和静态图像中的人体动作进行识别.本文中定义了人体肢体角度空间,使用基于深度学习的人体骨骼识别框架的骨骼数据,构建8个4层BP回归神经网络.对人体的骨骼数据提取和预处理后,再对训练数据进行增维处理,通过回归神经网络进行拟合,实验和测试结果表明,该方法可以有效的对人体角度进行回归,为快变场景和静态图像中的人的动作识别提供可靠依据.(本文来源于《计算机系统应用》期刊2019年08期）
胡良平[4]（2019）在《变量变换回归分析(Ⅰ)——拟合含间断点资料的方法》一文中研究指出本文目的是介绍一种能很好地拟合具有间断点资料的方法。当资料中具有明确的间断点或整个资料包含多段不同变化趋势的曲线类型时,为了提高曲线回归模型对资料的拟合优度,需要充分发挥"节点"的作用。可基于两种不同视角来利用"节点":其一,人为设定不同数目的节点,利用样条变换方法拟合分段多项式曲线;其二,在客观存在的节点上,求曲线的一阶乃至四阶导数,并据此构建曲线回归模型。得到的结论是:后者的拟合效果优于前者。(本文来源于《四川精神卫生》期刊2019年03期）
胡良平[5]（2019）在《变量变换回归分析(Ⅱ)——拟合近似呈均匀分布资料的方法》一文中研究指出本文利用SAS帮助数据库中的一个数据集sashelp.enso,介绍对自变量进行样条变换后的曲线回归分析方法。在SAS/STAT的TRANSREG过程中,涉及到六种样条变换方法,分别为:B-样条变换、B-样条基函数变换、单调B-样条变换、非迭代惩罚B-样条变换、迭代光滑样条变换、非迭代光滑样条变换。获得的结论是:在确保R~2≈0.7且回归模型尽可能精简的条件下,"非迭代惩罚B-样条变换"与"迭代光滑样条变换"两种方法是以上六种方法中最好的曲线回归建模方法,这两种方法的拟合效果几乎完全相同。(本文来源于《四川精神卫生》期刊2019年03期）
刘玥,张高境[6]（2019）在《高铁数据与回归分析拟合上海和郑州高铁最优数量研究》一文中研究指出高铁建设对不同城市有很深的影响,我们使用了灰色回归模型和多元线性模型进行求解。从旅客的不同特征,地域的差异,不同地域的经济水平等进行统计,并对数据进行优化。通过线性回归计算,画出回归方程确定去他们之间的关系,得出相关的高铁车次。(本文来源于《数字技术与应用》期刊2019年06期）
[7]（2019）在《拟合回归曲线的步骤》一文中研究指出⑴定曲线型根据(1)资料的性质;(2)散点图的趋势。⑵直线化或对称化"直线化"是通过变量变换以消除或减弱原散点图所形成的曲线趋势,但并非要求变换后的观察点集中于一条直线上;"对称化"是通过变量变换以消除或减弱原散点图所形成的不对称趋势。⑶求方程依所定曲线型的公式计算。⑷作图按(X,Y)坐标于普通坐标纸上绘曲线图,并在同一图域标明原资料的观察点。(本文来源于《中国校医》期刊2019年05期）
胡良平[8]（2019）在《提高回归模型拟合优度的策略(Ⅳ)——优化计分变换与其他变量变换》一文中研究指出本文目的是介绍第四种提高回归模型拟合优度的策略,即优化计分变换与其他变量变换。具体方法包括以下几个方面:①第一,对多值名义自变量采取"优化计分变换";②对有序自变量分别采取"单调变换"与"优化计分变换";③对定量自变量分别采取"样条变换"和"单调样条变换";④对定量因变量分别采取"样条变换""单调样条变换"和"BOX-COX变换"。全部变量变换方法组合起来共12种,共创建了12个多重非线性回归模型。依据"拟合优度评价指标"的取值,从12个回归模型中挑选出一个,即本文中的"模型1",其"均方误差平方根=0.30935、R~2=0.9586、调整R~2=0.9527"。结合本期科研方法专题同类文章的结果和结论,得出提高回归模型拟合优度的策略主要在于以下四点:①应对"定量因变量""定量自变量"和"多值有序自变量"采取合适的变量变换方法;②在拟合回归模型的过程中,应尽可能多地引入派生变量;③应假定回归模型中不含截距项;④在构建回归模型的过程中,应尽可能多地使用筛选自变量的策略,如"前进法""后退法"和"逐步法"。(本文来源于《四川精神卫生》期刊2019年01期）
胡良平[9]（2019）在《提高回归模型拟合优度的策略(Ⅱ)——算术均值变换与其他变量变换》一文中研究指出本文目的是介绍第二种提高回归模型拟合优度的策略,即算术均值变换与其他变量变换。具体方法包括以下几个方面:①对多值名义自变量采取"算术均值变换";②对定量自变量引入派生变量,包括"对数变换""平方根变换""指数变换""平方变换""立方变换"和"交叉乘积变换"的结果;③对定量因变量分别采取"对数变换""平方根变换""指数变换""倒数变换"和"Logistic变换";④构建回归模型时,在假定"包含截距项"与"不含截距项"的条件下,分别采取"前进法""后退法"和"逐步法"筛选自变量。得到了如下结论:①对定量因变量和自变量不做变量变换时,回归模型的拟合优度非常差;②根据资料所具备的条件,对定量因变量采取不同的变量变换方法,其回归模型的拟合优度是不同的;③对多值名义自变量进行"算术均值变换"是合理的,且有助于提高回归模型拟合优度;④对定量自变量引入派生变量是非常有价值的;⑤假定回归模型中不含截距项有助于提高回归模型的拟合优度。(本文来源于《四川精神卫生》期刊2019年01期）
胡良平[10]（2019）在《提高回归模型拟合优度的策略(Ⅲ)——校正均值变换与其他变量变换》一文中研究指出本文目的是介绍第叁种提高回归模型拟合优度的策略,即校正均值变换与其他变量变换。具体方法包括以下几个方面:①对多值名义自变量采取"校正均值变换";②对定量自变量引入派生变量,包括"对数变换""平方根变换""指数变换""平方变换""立方变换"和"交叉乘积变换"的结果;③对定量因变量分别采取"对数变换""平方根变换""指数变换""倒数变换"和"Logistic变换";④构建回归模型时,在假定"包含截距项"与"不含截距项"的条件下,分别采取"前进法""后退法"和"逐步法"筛选自变量。得到了如下结论:①对定量因变量和自变量不做变量变换时,回归模型的拟合优度非常低;②根据资料所具备的条件,对定量因变量采取不同的变量变换方法,其回归模型的拟合优度是不同的;③对多值名义自变量进行"校正均值变换"是合理的,且有助于提高回归模型拟合优度;④对定量自变量引入派生变量是非常有价值的;⑤假定回归模型中不含截距项有助于提高回归模型的拟合优度。(本文来源于《四川精神卫生》期刊2019年01期）
拟合回归论文开题报告
（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：
深度学习已经成为近几年来的研究热点。在诸多深度学习研究工具中,pytorch是最流行、最常用系统之一。对pytorch进行了介绍,并给出了一个线性回归案例,使用pytorch语言进行了实现。文章既可以对pytorch的入门学习者助一臂之力,又可以使深度学习的爱好者从中受益。
（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。
拟合回归论文参考文献
[1].鲁洋,王霜,李法社,隋猛,王文超.拟合系数定常回归法分析生物柴油酯化反应影响因素的数学模型[J].中国油脂.2019
[2].邢立国,李文坚,刘玉坤.基于pytorch二次关系拟合(回归)及其实现[J].电脑知识与技术.2019
[3].王景中,胡凯.基于BP回归神经网络的人体角度拟合研究[J].计算机系统应用.2019
[4].胡良平.变量变换回归分析(Ⅰ)——拟合含间断点资料的方法[J].四川精神卫生.2019
[5].胡良平.变量变换回归分析(Ⅱ)——拟合近似呈均匀分布资料的方法[J].四川精神卫生.2019
[6].刘玥,张高境.高铁数据与回归分析拟合上海和郑州高铁最优数量研究[J].数字技术与应用.2019
[7]..拟合回归曲线的步骤[J].中国校医.2019
[8].胡良平.提高回归模型拟合优度的策略(Ⅳ)——优化计分变换与其他变量变换[J].四川精神卫生.2019
[9].胡良平.提高回归模型拟合优度的策略(Ⅱ)——算术均值变换与其他变量变换[J].四川精神卫生.2019
[10].胡良平.提高回归模型拟合优度的策略(Ⅲ)——校正均值变换与其他变量变换[J].四川精神卫生.2019