导读:本文包含了平方误差论文开题报告文献综述及选题提纲参考文献，主要关键词:Bayes估计,平方误差损失函数,先验分布,逆指数分布
平方误差论文文献综述
周慧[1]（2019）在《刻度平方误差损失下逆指数分布的Bayes可靠性分析》一文中研究指出本文在刻度平方误差损失函数下研究逆指数分布参数的Bayes估计问题,在参数的先验分布为Gamma先验分布下,得到了参数的Bayes估计.最后,通过蒙特卡洛统计模拟试验比较分析最大似然估计和Bayes估计.(本文来源于《湘南学院学报》期刊2019年05期）
周慧[2]（2018）在《刻度平方误差损失函数下几何分布的Bayes可靠性分析》一文中研究指出在刻度平方误差损失函数下,研究了几何分布可靠度的Bayes统计推断问题。在可靠度的先验分布为无信息先验分布下,得到了可靠度的Bayes和E-Bayes估计。最后通过Monte Carlo数值模拟对几种估计进行比较。(本文来源于《齐齐哈尔大学学报(自然科学版)》期刊2018年06期）
刘婉贞[3]（2018）在《加权平方误差损失下指数分布寿命绩效指标的Bayes估计》一文中研究指出本文研究了产品寿命服从指数分布情形的寿命绩效指标的Bayes统计推断问题。基于参数的先验分布为伽玛先验分布,得到了加权平方误差损失函数下寿命绩效指标的Bayes估计,此外根据该估计提出了一套产品质量检验程序用于产品质量检测。最后实例分析结论说明了检验方法的有效性。(本文来源于《中国科技信息》期刊2018年16期）
夏开建,靳勇[4]（2018）在《核最小模最小平方误差方法医学图像识别算法》一文中研究指出最小平方误差方法(Least Square Error,MSE)因其在对模式分类中所具备的有效性和高效性,在模式识别领域得到广泛的应用。同时基于核方法的非线性理论的不断成熟,针对医学图像识别通常存在的非线性可分问题,提供了一种有效的解决途径。本文将两者结合,并针对MSE中存在的投影向量"超定"的问题加以分析和改进,提出了这种基于核理论的最小模最小平方误差方法(Kernel Minimal Mean Square Error,KMNMSE),并建立了一种一般的MNMSE分类器模型。最后通过在CT医学图像上做了大量的实验,实验结果与其他方法的比较,验证了本文所提出方法的有效性。(本文来源于《中国医疗设备》期刊2018年02期）
李浩光,李卫军,覃鸿,陈绍江,刘金[5]（2016）在《基于最小平方误差的单倍体和二倍体分类方法研究》一文中研究指出基于玉米油分的花粉直感效应,采用核磁共振鉴别单倍体,快速、准确、低成本地确定单倍体与二倍体之间的含油率阈值,是实现大批量自动鉴别的前提和关键。提出一种基于最小平方误差的单倍体和二倍体分类方法,通过少量籽粒确定含油率阈值的研究,对单倍体和二倍体进行识别。以10个玉米组合为研究对象,利用核磁共振分析仪测定各组合一定数量单倍体和二倍体籽粒的含油率,依据最小平方误差方法确定各组合油分阈值,并通过逐级递增训练集样本数量的方法,确定油分阈值所需训练集规模,获得含油率阈值,能够满足单倍体正确识别率及对二倍体正确拒识率的均值达到90%以上的要求,为核磁共振全自动单倍体鉴别系统的后期大规模分类提供参数指导,提高分选效率。同时因单倍体生产效率低,运用最小平方误差的方法,通过少量的单倍体及二倍体籽粒来构建油分鉴别单倍体模型,以较小的投入获得更优的分类效果在玉米单倍体自动化分选中具有非常重要的现实意义,将该分类方法应用到全自动核磁分选单倍体系统中,可以达到较好的效果,为加快单倍体工程化育种提供保障。(本文来源于《农业机械学报》期刊2016年06期）
胡正平,彭燕,赵淑欢[6]（2015）在《非最小平方误差局部-全局加权融合的稀疏表示遮挡人脸识别》一文中研究指出考虑到图像遮挡后部分局部信息属性改变,在利用最小残差判决函数分类时,各类残差可能因较接近而导致分类错误.针对此问题,从分类器判决函数出发,提出基于稀疏系数累积的局部-全局加权融合的稀疏表示遮挡人脸识别算法.该算法主要利用各类稀疏表示系数累积作为判决函数,使用Borda投票机制进行分类.利用系数累积进行全局分类,然后对局部各块分类,考虑到子块作用不同,利用稀疏度和残差两个参数表示其可信度权重,最后将全局和局部融合Borda投票,统计各类投票总数,实现分类.在公用数据库进行实验,结果表明该算法具有较好的有效性和鲁棒性.(本文来源于《模式识别与人工智能》期刊2015年07期）
朱旗[7]（2014）在《基于最小平方误差的人脸特征抽取与分类算法研究》一文中研究指出随着计算机和网络的飞速发展，模式识别技术需要面对越来越复杂的数据。研究出有效的特征抽取和分类方法一直是模式识别的核心任务。基于最小平方误差分析的特征抽取和分类方法在模式识别领域中起着至关重要的作用，例如目前流行的基于稀疏表示的分类方法和二维主成分分析方法均为最小平方误差方法的特殊形式。本文在现有研究工作的基础上，提出了一系列新颖的基于最小平方误差的特征抽取和分类方法，并应用于人脸识别问题中。本文的主要研究工作和创新包括：提出了一种局部最小平方误差分类方法。传统的最小平方误差分类方法对所有测试样本共用同一个类标预测模型，在某些复杂分类问题上，难以获得较好的识别效果。本文提出的局部最小平方误差分类方法对每个测试样本都确定其某个邻域，然后在此邻域内建立最小平方误差分类模型，该方法能使测试样本参与到其分类模型的学习过程中，有利于提升模型对测试样本的分类精度。提出了多子空间和多方向的二维主成分分析方法。多子空间的二维主成分分析能够直接在矩阵上进行特征抽取，无需预先将矩阵转换为向量，避免了矩阵中结构信息的丢失，在数据表示和恢复能力上该方法比传统二维主成分分析方法有明显优势，将该方法用于Gabor脸矩阵的特征抽取，得到了比以往方法更高的识别精度。多方向的二维主成分分析方法能够在任意方向上对图像矩阵进行二维特征抽取，而传统方法只能在图像矩阵的水平或垂直方向上进行二维特征抽取，因而该方法更具有一般性。并设计了融合多个方向上的二维特征抽取结果进行识别的算法，充分利用了不同方向上二维特征抽取结果的鉴别性。对线性表示分类模型进行了改进，提出了非线性稀疏表示分类模型。以往的线性表示分类方法均假设测试样本能被训练样本线性表示，但在实际人脸识别应用中，这一假设并不总能成立。非线性稀疏表示分类模型依据测试样本能被训练样本非线性表示这一假设，在计算上引入核函数，在高维特征空间中解决了样本间的稀疏表示和分类问题。分析了基于l1范数优化和l2范数优化的两种线性表示分类方法各自的优缺点，并发现这两种表示模型得到的表示系数具有较强的不相关性，在此基础上提出了融合这两种范数优化的线性表示分类模型，通过实验证实了该融合方法在人脸识别问题上能够获得较高的识别精度。对线性表示分类方法的特征抽取问题进行了研究，提出了类别残差鉴别分析方法和快速稀疏表示分类方法。类别残差鉴别分析方法的目的在于将样本变换到新的空间中，该变换能使样本的类间表示误差和类内表示误差的比值达到最大，从而提升样本在线性表示分类方法中的可分度。通过人脸数据库上的实验证实了经过该变换后，使用基于线性表示的分类方法进行识别的精度获得了较大提升。快速稀疏表示分类方法的理论依据是在PCA空间与原始空间中的稀疏表示模型具有较强的相似性。该方法在PCA变换后的低维空间中学习稀疏表示模型，并在原始空间中进行类别表示误差的计算，以较小的计算代价获得了与原始稀疏表示方法近似的类别表示误差。通过人脸数据库上的实验表明，该快速稀疏表示分类方法能够在不降低识别精度的前提下明显提升分类效率。总体而言，出于提高分类精度和分类效率的目的，本文提出了一系列基于最小平方误差的特征抽取和分类方法，并应用于人脸识别问题。通过大量的实验表明，本文提出的方法达到了预期效果，在人脸识别中有较好的应用前景。(本文来源于《哈尔滨工业大学》期刊2014-03-01）
刘婉贞[8]（2013）在《平方误差损失函数下广义Pareto分布参数的Bayes估计》一文中研究指出本文在参数的先验分布为逆伽玛先验分布条件下研究广义Pareto分布参数的Bayes估计问题,并在平方误差损失函数下,导出了参数的Bayes估计。文末通过Monte Carlo数值模拟试验对极大似然估计和Bayes估计进行了比较。(本文来源于《科技广场》期刊2013年08期）
李兰平[9]（2013）在《平方误差和LINEX损失函数下逆Rayleigh分布参数的经验Bayes估计》一文中研究指出在平方误差和LINEX损失函数下,导出了逆Rayleigh分布参数的极大似然估计、Bayes估计和经验Bayes估计,并给出了Monte Carlo数值模拟比较结果。(本文来源于《统计与决策》期刊2013年01期）
芦凌飞[10]（2012）在《刻度平方误差损失下Lomax分布形状参数的Bayes估计》一文中研究指出对于给定容量为n的一个Lomax样本X1,X2,…,Xn,在刻度平方误差损失函数下,给出了Lomax分布参数的Bayes估计,可容许性及置信下限,同时也得到了参数的多层Bayes估计的表达式.(本文来源于《商丘师范学院学报》期刊2012年06期）
平方误差论文开题报告
（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：
在刻度平方误差损失函数下,研究了几何分布可靠度的Bayes统计推断问题。在可靠度的先验分布为无信息先验分布下,得到了可靠度的Bayes和E-Bayes估计。最后通过Monte Carlo数值模拟对几种估计进行比较。
（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。
平方误差论文参考文献
[1].周慧.刻度平方误差损失下逆指数分布的Bayes可靠性分析[J].湘南学院学报.2019
[2].周慧.刻度平方误差损失函数下几何分布的Bayes可靠性分析[J].齐齐哈尔大学学报(自然科学版).2018
[3].刘婉贞.加权平方误差损失下指数分布寿命绩效指标的Bayes估计[J].中国科技信息.2018
[4].夏开建,靳勇.核最小模最小平方误差方法医学图像识别算法[J].中国医疗设备.2018
[5].李浩光,李卫军,覃鸿,陈绍江,刘金.基于最小平方误差的单倍体和二倍体分类方法研究[J].农业机械学报.2016
[6].胡正平,彭燕,赵淑欢.非最小平方误差局部-全局加权融合的稀疏表示遮挡人脸识别[J].模式识别与人工智能.2015
[7].朱旗.基于最小平方误差的人脸特征抽取与分类算法研究[D].哈尔滨工业大学.2014
[8].刘婉贞.平方误差损失函数下广义Pareto分布参数的Bayes估计[J].科技广场.2013
[9].李兰平.平方误差和LINEX损失函数下逆Rayleigh分布参数的经验Bayes估计[J].统计与决策.2013
[10].芦凌飞.刻度平方误差损失下Lomax分布形状参数的Bayes估计[J].商丘师范学院学报.2012