导读:本文包含了坐标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:平滑削边绝对偏离,回归问题,随机坐标下降方法
坐标回归论文文献综述
赵磊,陈玎,朱道立[1]（2019）在《求解大规模SCAD回归问题的随机坐标下降算法研究》一文中研究指出回归方法是重要的数据分析工具。带平滑削边绝对偏离(smoothly clipped absolute deviation,SCAD)正则项的回归问题,以其在处理高维数据中的近似无偏性(见Fan和Li,2001),在大数据分析中得到广泛应用。但在大数据背景下,待求解的SCAD回归问题的数据量往往很大,而且分布在不同地理位置,这使得在SCAD回归问题的求解算法设计中,需要重新考虑计算的内存使用量。常规用于求解SCAD回归问题的优化算法(LQA、LLA、ADMM等)往往需要在每一次迭代中更新全部变量,从而造成计算的内存需求很大,难以适应大数据的求解要求。随机坐标下降方法(stochastic coordinate descent,SCD)以其子问题运算内存需求小(见Nesterov,2012)的优势,在大规模分布式最优化问题中得到了广泛的应用。但目前理论上SCD算法仅能处理带凸惩罚项的回归问题,由于SCAD回归问题中惩罚项的非凸非光滑性,现有的随机坐标下降方法难以处理这一问题。首先对SCAD回归问题模型进行分析,得出SCAD回归模型的损失函数是导数Lipschitz、惩罚函数是semi-convex的,此外根据已有结论,得到SCAD回归问题的稳定点即可保证良好的统计性质。基于这些性质的分析,介绍了一种新的随机坐标下降方法(variable bregman stochastic coordinate descent,VBSCD),这一方法能很好求解带SCAD惩罚项的回归问题,算法的收敛点是SCAD回归模型的稳定点。最后,通过计算实验进一步说明本算法在求解SCAD回归问题的有效性。对不同的变量分组数,算法迭代到稳定点所需的迭代回合数相对稳定。随着变量分块数的增加,单次迭代中计算的内存需求减少。该研究方法可广泛应用于大数据背景下SCAD回归问题的求解当中。(本文来源于《上海管理科学》期刊2019年05期）
顾天奇,陈剑雄,黄继威,闫二乐[2]（2017）在《叁坐标测量机直线度误差线性回归方法研究》一文中研究指出以叁坐标测量机为基本分析对象,结合总体最小二乘法和最小截平方算法处理测量数据,研究其直线度误差的评定方法.研究结果表明,针对包含粗大误差和随机误差的叁坐标测量数据,采用稳健性的评估算法,更能真实地反映测量机的直线度误差情况.(本文来源于《福州大学学报(自然科学版)》期刊2017年06期）
程馨莹,张锦星[3]（2016）在《回归信仰坐标的原点》一文中研究指出“明镜所以照形，古事所以知今。”近日，为更好地学习贯彻习主席在庆祝中国共产党成立95周年大会上的重要讲话精神，工程大学党委常委率官兵赴古田会议旧址寻根铸魂，到陕甘边革命根据地和梁家河重温当年艰难岁月，使大家进一步坚定了永立潮头不忘初心、聚力强军继续前进的(本文来源于《人民武警报》期刊2016-07-14）
杨芳[4]（2016）在《GPS站坐标时间序列的半参数回归分析》一文中研究指出以中国BJFS站高程方向坐标时间序列为例,分别采用传统参数回归模型与半参数回归分析模型进行比较,实测结果表明,半参数回归分析模型能够最大程度地分离周期信号,其周期信号频谱功率明显低于经典最小二乘回归方法。(本文来源于《测绘技术装备》期刊2016年02期）
任雯[5]（2016）在《基于球坐标变换的偏最小二乘回归在药物混料组分选择与配比优化中的应用研究》一文中研究指出目的:将球坐标变换与偏最小二乘回归方法结合应用于混料试验的模型构建,建立无混料约束的统计模型后采用多目标遗传算法寻优,得到药物性能评价指标较好且符合需要的药物最优配方配比,并将优化结果与原文献中等高线图法优化结果进行比较;研究与评价这一整套方案的效果,为混料试验数据的建模与优化提供一整套较为合理、可行的方案。方法:选用混料组分比例含0与不含0两类实例进行探索性研究,以混料组分为自变量、评价指标为因变量,采用球坐标变换消除混料约束,偏最小二乘回归方法消除变量多重相关性,建立无混料约束的统计模型;采用全局优化的多目标遗传算法进行混料配比优化,并将优化结果与原文献中等高线图法优化效果进行比较。结果:(1)基于球坐标变换的遗传算法测试效果评价:选用混料测试函数进行模拟测试,考察球坐标变换消除混料定和约束后采用遗传算法优化的策略的可行性。测试结果表明:基于球坐标变换的遗传算法,搜索到的最优解基本在传统方法等高线迭加图法确定的范围内,且遗传算法能提供Pareto非劣解集,说明该策略可用于混料处方优化。(2)混料组分比例有0时的实例:在D-最优混料设计的纳米羟磷灰石生物复合材料配比优化研究中,采用改进非劣遗传算法优化,得到一个相对的最优配比:当胶原蛋白(CH),聚乙烯醇(PVA),羟磷灰石(HA)分别为25.20%、1.14%、73.66%时,获得配比评价指标TGA和密度分别为739.02℃、2.03 g/cm3。与原文等高线图法单目标优化结果比较,TGA提高了12.6℃,改变了1.73%,密度减小了0.4 g/cm3,改变了16.46%。遗传算法不仅可给出较好的最优解,还提供了Pareto非劣解集供研究者选择。(3)混料组分比例均大于0时的实例:在D-最优混料设计的伊曲康唑微乳液经皮给药系统的处方配比研究中,采用改进非劣遗传算法,得到一个相对的最优配比:当油,表面活性剂混合物,水分别为5.01%、17.70%、77.29%时,四个试验评价指标微乳粒径、透光率、皮肤滞留量、6h的累积渗透量分别为46.94nm、99.64%,42.062m/cmg、16.95m/cmg2,与原文的等高线图法优化结果相比,微乳粒径减小了7.46nm,改变了13.71%,透光率增加了0.49%,改变了0.49%,皮肤滞留量增加了1.72m/cmg,改变了4.21%,6h的累积渗透量增加了0.66m/cmg2,改变了4.05%。皮肤滞留量和6h的累积渗透量作为较重要的药物评价指标,均有比较理想的提高。结论:采用球坐标变换消除混料约束,偏最小二乘回归解决多重相关性,将二者结合应用于混料数据建模,并采用多目标遗传算法进行组分配比优化,再进行反变换获得符合需要的最佳配方配比,这一整套方案应用于混料组分配比优化研究,是可行且合理的。对于有效解决药物混料组分配比的多目标优化问题,有一定应用价值,可推广至其他领域混料问题的配比优化应用中。(本文来源于《山西医科大学》期刊2016-06-07）
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）
孙世林[7]（2015）在《回归向量知识本质 用非坐标形式向量解题》一文中研究指出近期全国各地的中小学都进行了期末考试,综观北京各区高叁数学期末考试立体几何考题,学生的得分情况不理想,在解题中为避免难度较大的几何推理,同学们常建立空间坐标系利用坐标形式的向量解决问题,但试题中往往没有明确的垂直关系,建立坐标系要通过一定的转化、证明,难度较大,一味强调坐标法会造成得分的困难,出现这种现象一是空间想象能力、几何推理有待提高,再有就是对向量知识本质认识不够,恰当利用(本文来源于《数学教学研究》期刊2015年06期）
孙世林[8]（2015）在《回归向量知识本质 用坐标形式向量解题》一文中研究指出在近期北京各区高叁数学期末考试立体几何考题中,学生的得分情况并不理想。在解题中为避免难度较大的几何推理,学生常建立空间坐标系利用坐标形式的向量解决问题。而恰当利用非坐标形式的向量解题,既可以避开技巧要求过高、转化复杂的几何法,又可以很好地回避有时建系的困难。下面笔者从几道立体几何考题谈起,与读者交流。(本文来源于《中学数学教学参考》期刊2015年12期）
赖煜斌[9]（2015）在《引导消费 回归理性 能膜,国产品牌汽车膜的新坐标》一文中研究指出强大的市场消费能力让国内汽车贴膜消费瞬间催熟,然而,外熟内不熟!从行业整体发展来看,多数从业人员和消费者对产品的认知和在使用功能上的理解存在许多误区,概念化的炒作,误导消费者,损害消费者权益的案例频现。能膜,依托东风股份强大的资源整合及技术积累,怀揣着率先实现中国品牌的中国梦、亚太梦、世界梦的梦想,以向用户提供中国制造的高端窗膜为目标,引导消费回归理性!(本文来源于《音响改装技术》期刊2015年01期）
卢辰龙,匡翠林,戴吾蛟,卢骏[10]（2014）在《采用变系数回归模型提取GPS坐标序列季节性信号》一文中研究指出提出采用变系数回归模型提取连续GPS坐标序列中包含的振幅时变季节性信号。对模拟数据及实际GPS坐标序列两组数据的分析结果表明,变系数回归模型在提取GPS坐标序列季节信号方面比传统模型更有效。经处理,GPS坐标序列能获得更合理的速度及噪声估计。(本文来源于《大地测量与地球动力学》期刊2014年05期）
坐标回归论文开题报告
（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：
以叁坐标测量机为基本分析对象,结合总体最小二乘法和最小截平方算法处理测量数据,研究其直线度误差的评定方法.研究结果表明,针对包含粗大误差和随机误差的叁坐标测量数据,采用稳健性的评估算法,更能真实地反映测量机的直线度误差情况.
（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。
坐标回归论文参考文献
[1].赵磊,陈玎,朱道立.求解大规模SCAD回归问题的随机坐标下降算法研究[J].上海管理科学.2019
[2].顾天奇,陈剑雄,黄继威,闫二乐.叁坐标测量机直线度误差线性回归方法研究[J].福州大学学报(自然科学版).2017
[3].程馨莹,张锦星.回归信仰坐标的原点[N].人民武警报.2016
[4].杨芳.GPS站坐标时间序列的半参数回归分析[J].测绘技术装备.2016
[5].任雯.基于球坐标变换的偏最小二乘回归在药物混料组分选择与配比优化中的应用研究[D].山西医科大学.2016
[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
[7].孙世林.回归向量知识本质用非坐标形式向量解题[J].数学教学研究.2015
[8].孙世林.回归向量知识本质用坐标形式向量解题[J].中学数学教学参考.2015
[9].赖煜斌.引导消费回归理性能膜,国产品牌汽车膜的新坐标[J].音响改装技术.2015
[10].卢辰龙,匡翠林,戴吾蛟,卢骏.采用变系数回归模型提取GPS坐标序列季节性信号[J].大地测量与地球动力学.2014