导读:本文包含了最小角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:随机森林,最小角回归,地震需求,重要性度量分析
最小角回归论文文献综述
王秀振,钱永久,宋帅[1]（2019）在《基于随机森林和最小角回归的结构地震需求重要性度量分析》一文中研究指出对带黏滞阻尼器的钢筋混凝土框架结构在El Centro地震波的作用下,采用OpenSEES软件进行了动力非线性时程分析,考虑了黏滞阻尼器的阻尼系数和刚度、钢筋的弹性模量和屈服强度、阻尼比、混凝土的抗压强度和弹性模量以及结构质量8个输入随机变量的影响,得到了框架结构的顶点位移、最大层间位移角以及基底剪力3种结构地震需求。提出将随机森林算法和最小角回归算法应用到结构地震需求的重要性度量分析中,得到了各个输入随机变量对3种结构地震需求的重要性性排序,并用Monte-Carlo数值模拟法进行了对比。结果表明,基于随机森林算法和最小角回归算法的结构地震需求重要性度量分析方法结果与Monte-Carlo数值模拟法基本一致,这两种方法是准确高效的方法,可以大大减少样本的数量。(本文来源于《振动与冲击》期刊2019年04期）
路皓翔,吴鹏飞,杨辉华,刘振丙[2]（2019）在《基于最小角回归结合一元线性直接校正法的近红外光谱模型传递方法》一文中研究指出针对近红外光谱分析技术中模型通用性较差的问题,提出了一种新的模型传递方法——最小角回归结合一元线性直接校正法(Least angle regression combined simple linear regression direct standardization,LARSLRDS)。该方法首先采用小波变换对样品光谱数据进行预处理,然后利用LAR实现样品全谱区光谱特征波长点的筛选,最后利用SLRDS对筛选出来的变量进行校正。采用汽油和药品样本的近红外光谱数据验证LAR-SLRDS性能,汽油数据集C7、C8、C9和C10成分的光谱差异为0. 002 8、0. 002 7、0. 002 6和0. 002 7,预测标准差为0. 410 6、0. 849 2、1. 034 9和1. 215 8;药品数据集活性、硬度和重量成分的光谱差异为0. 030 0、0. 031 8和0. 033 6,预测标准差为1. 933 8、0. 440 2和2. 130 9。结果表明,LAR-SLRDS算法不仅能够消除主、从仪器光谱之间存在的差异,实现模型传递,而且能够提高PLS定量模型的准确性和稳定性,具有广泛的应用潜力。(本文来源于《分析测试学报》期刊2019年01期）
喻丽红,赵加祥[3]（2019）在《采用最小角回归的稀疏MIMO均衡器设计方法》一文中研究指出为减少均衡器非零抽头数,降低计算复杂度,该文将多进多出系统稀疏有限冲激响应判决反馈均衡器设计问题转化为l1范数最小化问题,并提出利用最小角回归算法迭代计算稀疏判决反馈均衡器非零抽头位置和权重。仿真结果表明,在给定较小的性能损失下,相比最小均方误差准则的非稀疏最优均衡器,在相同的误比特率下,所提方法设计的稀疏判决反馈均衡器在车载移动A信道中的最大信噪比损失约为0.3dB,而其非零抽头数目减少超过70%,达到了性能与计算复杂度的有效权衡。(本文来源于《西安电子科技大学学报》期刊2019年01期）
熊芩,张若秋,李辉,陈万超,杜一平[4]（2018）在《最小角回归算法(LAR)结合采样误差分布分析(SEPA)建立稳健的近红外光谱分析模型》一文中研究指出结合采样误差分布分析(SEPA)框架和最小角回归(LAR)算法,提出了一种SEPA-LAR变量逐步筛选方法用于波长选择,并建立了稳健的近红外光谱分析模型。利用蒙特卡洛采样(MCS)获得多个数据集划分建立多个模型,对光谱各变量(波长)在所有模型的LAR系数进行统计分析,按其回归系数绝对值总和由大到小排序,选择排序靠前的波长建立偏最小二乘(PLS)模型,以未参与SEPA-LAR和建模的独立验证集对该模型进行评价。将玉米湿度、柴油密度以及奶酪脂肪的近红外光谱数据用于SEPA-LAR的性能检验,独立验证集的预测均方根误差(RMSEP)分别为0.001 44%(湿度指标)、0.001 58 g/mL(密度指标)以及1.13 g/100 g(脂肪含量指标)。结果表明,相较于竞争自适应重加权采样法(CARS),该方法具有更优异的稳定性;相较于移动窗口偏最小二乘(MWPLS)以及蒙特卡洛无信息变量消除(MCUVE)方法,该方法选择的变量更少,预测误差更低,预测性、可解释性和稳定性更优异。(本文来源于《分析测试学报》期刊2018年07期）
许欢[5]（2018）在《基于最小角回归的时空监测方法》一文中研究指出公共健康监测通过收集慢性或传染性疾病数据并监测其发病率变化来改善公共卫生状况.这些数据都是包含地区信息按时间收集的,快速检测出疫情发病率的变化并有效确认疫情爆发地区对于改善公共卫生至关重要.现有的研究大多只专注于监测发病时间或发病地区,模型假设也过于理想化,在实际应用中表现不佳.针对这些问题,本文提出了一种基于最小角回归的指数加权移动平均(Exponentially Weighted Moving Average,EWMA)控制图方法,该方法能够同时监测发病时间和判断发病地区,此外还能处理各种复杂的疫情发生形式.基于新墨西哥州男性甲状腺癌数据的模拟结果表明,本文提出的方法能够适用于多种复杂的疫情发生形式,同时在疫情监测的有效性和疫情地区判断的准确性上均有良好的表现.(本文来源于《江苏师范大学》期刊2018-06-01）
耿书敏[6]（2016）在《聚类式最小角回归与聚类式坐标下降仿真及实例分析》一文中研究指出随着人工智能的兴起,机器学习作为人工智能的核心被更多的人熟知。机器学习本质上分为有监督学习问题和无监督学习问题。有监督学习问题中,数据本身具备类别标签,学习问题的目标是完成分类或回归。有监督学习过程中,变量的输入和输出是能够被充分观察到的。而无监督学习问题中,数据本身没有类别标签,学习问题的目标是完成聚类。无监督学习过程中,聚类结果可以不代表明确类别含义。而模型选择作为机器学习中的重要一环,是帮助分析数据有效性、探求变量间相关关系以及试洽实际案例的有力工具。传统的模型选择方法往往假定了源数据是独立同分布的,这使得目前模型选择问题的研究,主要针对有限维特征的情况。可是,大规模数据的案例中,源数据来自不同的数据生成过程,已经是不争的公判。这使得数据异质性问题成为模型选择乃至机器学习中不可忽视的问题。在许多实际问题中,数据异质性具体体现为：(1)数据明确属于不同的来源(如本文4.3.1小节中的花卉数据),但可能我们不知道具体的分类。(2)我们明确知晓存在不同的分类(例如本文4.3.2中300个城市的各项指标),但不同城市之间又存在特征(城市大小,发展程度等)的相似性,因此实际中不可能分成300个类别去处理数据。此时,将源数据划分为多少个类别才合适,就变成一个重要的问题。为了解决数据异质性对模型选择带来的糟糕影响,本文提出一类聚类式算法解决这一问题：用分层模型实现对源数据的聚类,在每一层内部独立完成有监督学习,并计算每一种聚类结果对应的学习过程的BIC分数,选择BIC得分最小的那一层做为数据生成过程的个数。聚类式算法,本质上对有监督学习问题求解算法的改进。传统模型选择对于源数据独立同分布的假设,可以看做,将源数据的数据生成过程个数假设为n=1。聚类式算法,将数据生成过程的个数n推广到任意正整数。而数据生成过程的数量,由算法外层的聚类分析完成。基于上述想法,再考虑到高斯分布的广泛性、Lasso回归的优良特征,本文重点研究了聚类式最小角回归与聚类式坐标下降两个算法,通过Python随机数据对新算法进行了仿真模拟,通过Matlab数据集对新算法进行了实例分析。从仿真结果发现,两个聚类式算法的仿真模拟结果一致,并且明显比原估计稳定。从实例分析结果看,聚类式算法的BIC分数较为理想,说明预测结果较好。(本文来源于《山东大学》期刊2016-05-23）
最小角回归论文开题报告
（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：
针对近红外光谱分析技术中模型通用性较差的问题,提出了一种新的模型传递方法——最小角回归结合一元线性直接校正法(Least angle regression combined simple linear regression direct standardization,LARSLRDS)。该方法首先采用小波变换对样品光谱数据进行预处理,然后利用LAR实现样品全谱区光谱特征波长点的筛选,最后利用SLRDS对筛选出来的变量进行校正。采用汽油和药品样本的近红外光谱数据验证LAR-SLRDS性能,汽油数据集C7、C8、C9和C10成分的光谱差异为0. 002 8、0. 002 7、0. 002 6和0. 002 7,预测标准差为0. 410 6、0. 849 2、1. 034 9和1. 215 8;药品数据集活性、硬度和重量成分的光谱差异为0. 030 0、0. 031 8和0. 033 6,预测标准差为1. 933 8、0. 440 2和2. 130 9。结果表明,LAR-SLRDS算法不仅能够消除主、从仪器光谱之间存在的差异,实现模型传递,而且能够提高PLS定量模型的准确性和稳定性,具有广泛的应用潜力。
（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。
最小角回归论文参考文献
[1].王秀振,钱永久,宋帅.基于随机森林和最小角回归的结构地震需求重要性度量分析[J].振动与冲击.2019
[2].路皓翔,吴鹏飞,杨辉华,刘振丙.基于最小角回归结合一元线性直接校正法的近红外光谱模型传递方法[J].分析测试学报.2019
[3].喻丽红,赵加祥.采用最小角回归的稀疏MIMO均衡器设计方法[J].西安电子科技大学学报.2019
[4].熊芩,张若秋,李辉,陈万超,杜一平.最小角回归算法(LAR)结合采样误差分布分析(SEPA)建立稳健的近红外光谱分析模型[J].分析测试学报.2018
[5].许欢.基于最小角回归的时空监测方法[D].江苏师范大学.2018
[6].耿书敏.聚类式最小角回归与聚类式坐标下降仿真及实例分析[D].山东大学.2016