导读:本文包含了多变量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:脑机接口(BCI),脑电信号(EEG),特征提取,多变量自回归(MVAR)模型
多变量回归论文文献综述
王金甲,党雪,杨倩,王凤嫔,孙梦然[1](2019)在《组LASSO罚多变量自回归模型脑电特征分工类》一文中研究指出自回归(AR)模型和多变量自回归(MVAR)模型是脑机接口(BCI)系统脑电信号(EEG)常用的特征提取方法。AR模型没有考虑多通道间的相互关系,MVAR模型虽然考虑了多通道间相互关系,但是会出现模型过参数化问题。为解决MVAR模型过参数问题,本文提出采用组LASSO罚MVAR模型对脑电信号进行特征提取,采用梯度下降和块坐标下降相结合的方法估计模型参数,然后采用线性支持向量机(SVM)对提取的特征进行分类。实验结果表明,组LASSO罚MVAR模型的分类正确率达93%,高于MVAR模型、LASSO-MVAR模型和6阶AR模型的识别正确率。(本文来源于《高技术通讯》期刊2019年11期)
李俊[2](2019)在《回归问题本真 力求解法自然——以求解多变量最值问题为例》一文中研究指出为实现数学问题解决而寻求适合的解题策略,关键是解题者本身的经验和审美.解题策略的选择是一种有目的的思维活动,同一个问题可能会出现不同的解题途径和方法.本文以多变量问题为例,强调对问题的本质分析,合理选择解题思路,使学生真正掌握破解问题的办法,提升解题能力.(本文来源于《数理化解题研究》期刊2019年19期)
刘宏,赵恒园,李峰[3](2019)在《对外直接投资、吸收能力与地区创新产出——基于省际面板数据的多变量门限回归分析》一文中研究指出利用2003—2016年中国省际面板数据,运用门限回归模型,从吸收能力视角实证考察了对外直接投资对地区创新产出的影响。研究发现,对外直接投资对创新产出的影响存在明显的地区差异。其中,东部、中部和西部地区对外直接投资对创新产出的影响显着为正,东北部地区并不显着。进一步研究发现,研发投入强度和资本密度2个吸收能力因素在对外直接投资对地区创新产出影响中存在双重门限效应,技术差距和市场化程度存在单一门限效应,且在研发投入强度、资本密度、市场化程度特征值跨越相应门限值,技术差距特征值低于相应门限值时,对外直接投资的正向影响效应明显加强。同时,各地区吸收能力因素特征值与相应门限值的距离存在显着差异,大部分地区的资本密度特征值已跨越了相应门限值、技术差距特征值也已低于相应门限值,但部分西部和东北部地区的研发投入强度及市场化程度特征值仍处于门限值以下。(本文来源于《河北经贸大学学报》期刊2019年04期)
刘永泽[4](2019)在《基于多变量自回归分析的北京房价预测研究》一文中研究指出房价一直是一个备受全国上下关注的热点问题。无论是房地产商家还是准备购房的消费者,合理的估计房价的走势,或是正确的预判某套房子的市值变化趋势,都可以使我们尽可能达到获益最大。对北京市近十年的房价进行了研究,利用回归分析的方法,建立了月均房价的波动走势预测模型,对北京市2010年至2018年的月均房价走势进行研究。根据房价数据特点,我们以2017年3月颁布的限购政策为分界点,分为2010-2016年和2016-2018年两段,分别分析了房价的线性增长规律、周期性波动规律和政策影响波动规律,引入"政策影响期"的虚拟变量,最后完成了经多次优化改进的回归模型,在2010-2018年北京月均房价数据集上体现出非常好的拟合和测试性能。(本文来源于《现代商贸工业》期刊2019年06期)
孙连海,卢颖[5](2018)在《基于多变量自动回归的评分数据异常检测算法》一文中研究指出将用户对产品评价数据视为用户基本行为和异常行为的组合,应用多变量自动回归方法进行用户基本行为的发现和异常行为的检测。将用户的评价值分布表示为累积分布,将评价值表示为基本行为和异常行为的线性组合的生成过程。针对评价值中混入的异常行为的稀疏性,基于噪音数据的高斯分布,给出相应的最小化目标函数。实验结果表明,该算法能很好地描述时序评价序列中用户的基本行为和异常行为,与相关算法相比能更好的对未来的评价值进行预测。(本文来源于《计算机工程与设计》期刊2018年06期)
黄晓烨[6](2018)在《基于Bayes多变量回归分析的脑网络构建研究》一文中研究指出目前,基于运动想象的脑网络分析在认知神经科学领域有着广泛的应用,它们为中风患者的术后康复以及运动员的技能提升提供了重要的参考指标。然而,在运动想象数据采集期间,数据会不可避免的受到被试头动或眨眼带来的噪声影响,从而影响后续构建的脑网络的精确性。其中一个原因是,多数有向网络估计方法采用了多元回归分析,而传统多元回归分析主要采用了最小二乘法,它们会由于目标函数中平方项的存在而放大噪声的影响,造成多元自回归模型(Multivariate Auto-Regression model,MVAR)系数的估计误差,从而导致构建的脑网络出现较多伪迹,扭曲了原本的网络拓扑结构。相似的问题在时变脑网络的估计中也存在。在时变脑网络构建中常常采用的卡尔曼方法(Kalman Filter,KF)对过程和观测噪声服从高斯分布的假设造成了其在实际应用中的局限性,且对异常值敏感,使得构建的脑网络不够准确。本文针对这些问题,以贝叶斯方法(Bayesian Analysis,BA)为基础,提出了两种基于贝叶斯的网络估计方法,分别实现因果网络、时变网络的构建。主要研究内容如下:1、提出基于贝叶斯的多元自回归分析(MVAR based on Bayesian,BA-MVAR)网络构建方法。针对因果网络构建中采用的最小二乘法容易放大信号中的噪声影响的问题提出这一方法。我们假设MVAR模型系数服从零均值的独立高斯分布,利用贝叶斯公式联系起模型的概率分布函数,得到最大似然函数从而估计未知参数。本文将BA-MVAR分别应用在仿真实验和真实数据实验中,与传统的基于最小二乘法的多元自回归分析方法(MAVR based on least square,LS-MVAR)进行多方面的性能比较,实验结果表明BA-MVAR在不同的噪声条件下的性能都优于LS-MVAR,且BA-MVAR在较少样本点数情况下也表现出相较于LS-MVAR更好的性能,这一点在磁共振数据分析等实际应用中非常重要。2、提出基于贝叶斯的改进卡尔曼滤波(KF based on Bayesian analysis,BKF)的时变网络构建方法。针对传统的卡尔曼滤波法假设状态和观测噪声服从高斯分布难以适用于重尾非高斯噪声条件下的时变脑网络估计,本工作从贝叶斯方法出发,假设卡尔曼滤波方程的状态和观测噪声服从具有重尾特性的学生t分布,通过引入变分贝叶斯方法以及逆威希特分布完成了相关目标函数的近似求解。理论上,BKF解除了高斯噪声的限制,因而比传统卡尔曼滤波有更好的普适性。仿真实验证实,BKF能够在重尾非高斯噪声条件下获得更低的时变系数估计误差和更高的网络估计一致性。真实运动想象磁共振数据进一步揭示BKF能够获得与运动想象机制更相符合的脑网络偏侧性。(本文来源于《电子科技大学》期刊2018-05-27)
孙梦然[7](2018)在《基于Lasso罚的多变量自回归模型方法研究》一文中研究指出为克服自回归(Autoregressive,AR)模型仅用于单通道信号的局限性,多变量自回归(Multivariate Autoregressive,MVAR)模型已成为多通道时间序列建模的基本工具。但是,随着序列数量增加,MVAR模型变得过度参数化。对于时间序列模型的降维,人们提出了许多方法,包括正则化,本文通过在MVAR模型的基础上增加罚函数来达到降维的目的。首先,介绍了Lasso-MVAR、组Lasso罚多变量自回归模型的基本原理,采用梯度下降和块坐标下降相结合的方法估计模型参数,并结合传统的支持向量机对提取出来的特征进行分类。将组Lasso罚模型应用于Keirn等人采集并整理的EEG信号中,结果表明,基于自身-其它组Lasso罚多变量自回归模型取得了最高的分类正确率,而且在参数空间较大时,组Lasso罚模型方法比MVAR模型和Lasso-MVAR模型更加稳定。其次,详细分析了分层多变量自回归模型的基本原理以及邻近梯度下降算法,并将其应用于国际BCI竞赛IV的第一组和第叁组实验数据中。实验结果表明,分层多变量自回归模型的分类效果在某种程度上优于传统的多变量自回归模型以及基于Lasso罚的多变量自回归模型。最后,阐述了带有外生变量的稀疏组Lasso罚多变量自回归模型的基本原理及其模型参数求解方法,并应用于京津冀大气污染物的浓度预测中。结果表明,基于自身-其它稀疏组Lasso罚模型的PM_(10)预测归一化均方误差相对较低,预测精度高于多变量自回归模型、稀疏组Lasso罚多变量自回归模型和分层多变量自回归模型。(本文来源于《燕山大学》期刊2018-05-01)
金春蕾[8](2018)在《非线性多变量协整回归及消费支出上的应用》一文中研究指出消费水平是全球公民公认的生活幸福的主要决定因素之一,对国家的经济周期、产业结构、以及国家政策有重要意义。因此研究我国消费性支出必不可少。自从Granger首次提出了协整这一概念之后,协整理论已经成为研究国民消费支出的重要理论。但大多数文献考虑的模型仅限于单变量回归因子。从实践的角度来看,这显然是有很大限制性的。例如,一个国家的人均二氧化碳排放量不能仅以人均GDP来衡量。人均GDP相同,国家的能源结构可能会极大影响人均排放的二氧化碳。然而目前非线性模型受到“维数灾难”的制约,在多变量协整回归模型方面仍然是一个开放性问题。目前已知的规避“维数灾难”的常用方法有两种,即半参数可加模型和单指标模型。由于本课题主要考虑对含非平稳时间序列的多变量半参数可加及不可加模型的半参数估计,所以需要对协整理论以及模型的估计方法进行具体阐述和应用。作为协整理论以及半参数方法的应用,本课题考虑我国2013年至2017年内人均可支配收入和实际利率对人均消费支出的影响。所选用模型是半参数可加模型,其中人均可支配收入的系数为唯一非参数项。由众多研究表明,该模型更倾向于是非线性的。因此再考虑应用该模型之前,需要对所需变量进行稳定性分析,协整关系分析,所用方法为ADF检测,以及EG两步法。可得出消费支出,可支配收入的log值满足一阶单整性并具有协整关系,实际利率为平稳序列。由于模型具有可加性,可以利用正交序列逼近法,以及核估计法对非参数项进行初步估计。随后根据估计的结果,对非参数项做出合理性假设H0,即假设非参数项为k阶多项式。利用自举法设定检验,对特定的检测量的准确性进行检验。从检验结果可以得知,事实更接近k= 1,3时的模型,此外根据对k= 1,3时模型残差的单位根检验可知,在显着水平0.1下,k= 1情况的残差平稳,k= 3时不平稳。由此可知,近五年国内的人均消费支出与人均可支配收入及实际利率的依赖关系与k= 0,2,3相比,更倾向于表现为k= 1的模型形式,即非参数项(可支配收入的系数)更倾向于表现实际利率的一次多项式,与正交序列逼近法,以及核估计法的估计结果相似。因此,近五年国内的人均消费支出与人均可支配收入及实际利率的依赖关系与= 0.2,3相比,更倾向于表现为k= 1的模型形式,即非参数项(可支配收入的系数)更倾向于表现实际利率的一次多项式.本文的创新点:1.本课题实证分析中所考虑的半参数模型不含零均值条件,并将原有的适用于零均值情况的估计方法,正交序列逼近以及核估计法,经过修改应用到此类模型估计中。同时结合实证问题对自举法的样本生成方式进行调整。2.本课题对所应用的正交序列逼近,核估计法以及基于自举法(Bootstrap)的设定检验过程给出了 Matlab实现。3.对于我国的人均消费支出的研究进行方法整合,即将半参数估计方法与基于自举法的设定检验结合起来,给出更可靠的模型假设,此外该方法也可以根据数据的相依关系应用更适合的自举方法(块自举法,筛自举法)来配合设定检验。(本文来源于《山东大学》期刊2018-04-20)
章毅之,宋进波,屠菊清,张超美,马锋敏[9](2017)在《多变量时滞回归模型在江南地区初夏降水低频分量延伸期预报中的应用》一文中研究指出利用江南地区77个台站的日降水资料及NCEP/NCAR再分析资料,基于不同时间尺度的江南地区降水低频分量和东亚地区850 h Pa低频经向风主成分,建立了多变量时滞回归(Multivariable Lagged Regression,MLR)模型,并对2011年5—7月江南降水低频分量进行延伸期逐日预报试验。结果表明,50~70 d时间尺度的江南低频降水的平均预报技巧高达0.92,可准确预报持续性强降水过程和降水低频位相的正负转换。对利用2001—2012年资料分别构建的MLR模型的历史回报预测试验表明,在50~70 d振荡较强和正常的年份,模型能提前30 d做出初夏江南低频降水分量预报。模型结果也表明,850 h Pa低频经向风的发展和演变是影响初夏江南低频降水未来30 d变化的显着信号,可作为延伸期强降水预报的关键因子。(本文来源于《大气科学学报》期刊2017年06期)
申强华[10](2017)在《基于多变量Probit回归的用户兴趣挖掘方法》一文中研究指出用户兴趣挖掘一直是很多领域的基础问题,例如推荐系统、个性化检索和在线广告。一个用户在Internet或现实生活中的历史行为虽然能反映用户的兴趣,但是如果用户第一次使用网络,因为缺少历史行为信息,系统很难获得用户的兴趣。为解决无法获取新用户兴趣的问题,本文提出一种基于多变量Probit回归的用户兴趣挖掘方法。采用马尔科夫链蒙特卡洛(MCMC)方法估计模型的后验分布。通过合成数据与豆瓣明星对电影的兴趣验证模型的性能,结果表明所提出的方法能够有效地预测冷启动用户的兴趣。(本文来源于《计算机与现代化》期刊2017年06期)
多变量回归论文开题报告
(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:
为实现数学问题解决而寻求适合的解题策略,关键是解题者本身的经验和审美.解题策略的选择是一种有目的的思维活动,同一个问题可能会出现不同的解题途径和方法.本文以多变量问题为例,强调对问题的本质分析,合理选择解题思路,使学生真正掌握破解问题的办法,提升解题能力.
(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。
多变量回归论文参考文献
[1].王金甲,党雪,杨倩,王凤嫔,孙梦然.组LASSO罚多变量自回归模型脑电特征分工类[J].高技术通讯.2019
[2].李俊.回归问题本真力求解法自然——以求解多变量最值问题为例[J].数理化解题研究.2019
[3].刘宏,赵恒园,李峰.对外直接投资、吸收能力与地区创新产出——基于省际面板数据的多变量门限回归分析[J].河北经贸大学学报.2019
[4].刘永泽.基于多变量自回归分析的北京房价预测研究[J].现代商贸工业.2019
[5].孙连海,卢颖.基于多变量自动回归的评分数据异常检测算法[J].计算机工程与设计.2018
[6].黄晓烨.基于Bayes多变量回归分析的脑网络构建研究[D].电子科技大学.2018
[7].孙梦然.基于Lasso罚的多变量自回归模型方法研究[D].燕山大学.2018
[8].金春蕾.非线性多变量协整回归及消费支出上的应用[D].山东大学.2018
[9].章毅之,宋进波,屠菊清,张超美,马锋敏.多变量时滞回归模型在江南地区初夏降水低频分量延伸期预报中的应用[J].大气科学学报.2017
[10].申强华.基于多变量Probit回归的用户兴趣挖掘方法[J].计算机与现代化.2017
标签:脑机接口(BCI); 脑电信号(EEG); 特征提取; 多变量自回归(MVAR)模型;