导读:本文包含了局部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:全局,局部回归模型,最小描述长度,模型冗余,因果定向
局部回归论文文献综述
潘孟姣,蔡青松[1]（2018）在《基于全局和局部回归的因果定向改进算法》一文中研究指出从观测数据中探索和发现蕴含在变量间的因果关系是大数据时代的基本任务之一,它将在未来各种数据驱动应用中发挥关键作用。推断观测数据间因果关系的方向是此任务的一类基础问题。最近研究表明基于最小描述长度MDL(minimum description length)的全局和局部回归(GLR)算法具有较高的推断准确率及较广的适用性。然而,在GLR模型中由于冗余模型的存在而严重限制了该算法的效率。为避免模型冗余,根据模型的不同特征采取分别构建GLR模型的方法,并在此基础上提出一个改进的用于因果定向的ISLOPE算法。实验结果表明,在保持原算法准确率近似不变的前提下,该算法有效地节约了运行时间,进而提升了算法效率。(本文来源于《计算机应用与软件》期刊2018年10期）
陈荣华,王鹰汉,卜佳俊,于智,高斐[2]（2018）在《基于KNN算法与局部回归的网站无障碍采样评估》一文中研究指出提出一个新的抽样评估方法,通过对评估样本的KNN分析,选出特定网页.因大规模网站抽样结果稀疏,KNN算法会导致高检测误差,应用一个局部回归模型提升KNN评估质量.首先在网站中随机选择一些网页进行评估,得到该网站初始无障碍得分.在此基础上,将每一个评估网页作为一个标记样例,其他网页根据KNN局部回归模型进行无障碍评估得分预测.实验结果证明:所提方法相比随机抽样算法的效果上有着显着性提升.(本文来源于《浙江大学学报(工学版)》期刊2018年09期）
何煌达[3]（2018）在《基于EEMD和局部回归的原油价格预测模型研究》一文中研究指出原油是一种重要的基础能源和战略物资,其对国家的稳定和社会经济的发展具有极其重要的影响。我国是全球第二大原油消费国和第一大原油进口国,社会经济发展对原油具有严重的依赖。原油价格的准确预测对政府、企业以及个人投资者具有重要的意义。原油市场是一个复杂的非线性动力系统,而原油价格本质上是一个高噪声、非线性、非平稳的混沌时间序列。本文基于时间序列预测中流行的“分而治之”原则提出了适用于原油价格预测的新“分解-集成”预测模型。实证分析表明,本文所提出的预测模型相较于基准模型提高了原油价格的预测准确度。本文以原油市场上常用的WTI和Brent原油价格为研究对象,使用EEMD模型作为分解方法,引入局部回归模型作为预测模型,提出了七种新的“分解-集成”预测模型,包括EEMD-LLP,EEMD-LPP,EEMD-LRR,EEMD-LPCR,EEMD-PLSR,EEMD-LLASSO和EEMD-LEN,对原油价格进行了单步预测。实验结果表明,本文提出的预测模型皆优于基准模型EEMD-SVR和EEMD-ANN。EEMD-LLP在RMSE、D_(stat)和运行效率的综合表现上优于其他模型,说明了EEMD-LLP模型具有强大的预测能力和优秀的运行效率,LLP相对于其他局部回归模型和基准模型更适合于EEMD分解所得的具有简单模式和平稳波动的各分量的预测。此外本文对预测表现较好的EEMD-LLP模型进行了参数分析,尝试构建“同参数”结构的EEMD-LLP模型,进一步提升模型的运行速度。实验结果表明“同参数”EEMD-LLP的预测结果与使用参数搜索的EEMD-LLP模型结果相近,而运行效率得到了极大的提高,证明了“同参数”EEMD-LLP模型的有效性。原油价格多步预测相对于单步预测更加具有参考意义,且多步预测具有更高的不确定性,因此本文还对原油价格的多步预测进行了研究。在“同参数”EEMD-LLP模型的基础上,本文进一步引入了“多模型集成”的步骤,构建了“同参数-多模型集成”预测框架EEMD-ELLP用于原油价格多步预测,并研究了EEMD-ELLP在多步预测中最优的预测策略。EEMD-ELLP通过多模型集成降低了多步预测中的不确定性并克服了“同参数”EEMD-LLP的局限性。实验结果表明在多步预测中,EEMD-ELLP的最佳预测策略为直接策略。使用直接策略的EEMD-ELLP在3步、6步、9步和12步预测中皆取得了最佳的水平预测结果,且方向预测准确度亦排在前2,说明了EEMD-ELLP模型具有高度的预测准确性及鲁棒性,能够进一步提升原油价格多步预测的准确度。(本文来源于《深圳大学》期刊2018-06-30）
李双博[4]（2018）在《相依函数型数据的局部回归估计的渐近正态性》一文中研究指出非参数统计是统计研究的一个重要方面,其中核函数估计和局部多项式方法是这一类研究中的常用方法。函数型数据的非参数方法中以核函数估计方法较为常见,且其收敛速度与极限分布无论在独立情形还是相依情形都有理论结果。而局部多项式的研究在函数型数据背景下较为少见,原因在于将局部多项式方法推广到函数型数据背景一直是一个难题,前人的研究都要求数据具有独立同分布的性质,然而许多实际数据并不符合这一假设。本文研究了在相依函数型数据情形下局部回归估计的渐近正态性。由于估计方法有差异,核函数估计的研究方法无法直接推广到局部回归估计,而相依性结构也给研究带来了一些挑战,本文采用Bernstein分块方法将相依性问题转化为渐近独立的问题,从而得到了估计的渐近正态性,同时采用数据模拟的方法进一步验证了渐近正态的结果。(本文来源于《统计研究》期刊2018年06期）
刘宇,郑昌文,袁红亮[5]（2018）在《基于引导滤波器和局部回归理论的Monte Carlo图像噪声移除算法》一文中研究指出针对现有Monte Carlo(MC)光线跟踪算法中噪声影响大和绘制消耗高的问题,提出一种基于引导滤波器和局部回归理论的自适应绘制算法.首先计算场景特征图像的梯度信息,利用引导滤波器对初始特征图像进行预过滤,以提高诸如景深、运动模糊等特殊绘制效果的图像质量;然后利用局部回归理论进行图像重构,并在图像空间计算最优重构参数,从而避免由含噪特征图像导致的噪声传递问题;最后计算Stein’s unbiased risk estimator(SURE)评判像素复杂程度并引导自适应采样过程.实验结果表明,该算法能够在提高图像视觉质量的同时,有效地降低了噪声影响,并能够绘制高质量的景深、运动模糊等特殊效果.(本文来源于《计算机辅助设计与图形学学报》期刊2018年03期）
郭春霞,栗忠魁,诸云强,孙伟[6]（2016）在《局部回归克里格在气温栅格化中的应用》一文中研究指出气温是全球环境变化、农业、生态等研究领域的重要输入变量,气温栅格数据能有效地与其他空间数据进行迭加分析,目前主要通过空间插值获得.本文采用局部回归克里格(Local Regression Kriging)构建全国1981—2010年30年累年年均气温空间分布数据集,并与常规插值方法进行精度对比.插值结果与我国整体的气温分布趋势一致,同时也反映了典型区域气温的局部特征.西北地区受海拔高低起伏的影响,温度呈现出以青藏高原地区为中心,向外围逐渐升高的特点.交叉验证结果表明,充分考虑了气温空间异质性以及残差空间自相关性的邻域为50的局部回归克里格法插值精度相对最高,其均方根误差(RMSE)为1.788℃,平均绝对误差(MAE)为1.127℃,拟合优度R2为0.916 9.(本文来源于《首都师范大学学报(自然科学版)》期刊2016年06期）
李欣,崔子冠,陈杰,朱秀昌[7]（2016）在《基于局部回归和自相似性的图像超分辨率重建》一文中研究指出近年来,基于样本的图像超分辨率重建逐渐成为研究热点,该算法一般利用外部训练样本,测试图像与训练样本的相似度在一定程度上影响着重建结果。针对此类问题,提出一种基于局部回归和自相似性的图像超分辨率重建算法。应用不同尺度图像间的自相似特性,对图像块建立一阶回归模型完成重建的算法,充分利用图像自身信息,并用稀疏表示的方法替代遍历搜索自相似块的方法,可以在自相似块不足的情况下保证重建质量。实验结果表明,该算法的重建质量较高,可以一定程度减少外部训练样本带来的虚假高频问题,且在重建质量与重建时间上有着较好的折中。(本文来源于《计算机技术与发展》期刊2016年10期）
李欣,崔子冠,孙林慧,朱秀昌[8]（2016）在《基于局部回归模型的图像超分辨率重建》一文中研究指出针对基于稀疏重建的图像超分辨率(SR)算法一般需要外部训练样本,重建质量取决于待重建图像与训练样本的相似度的问题,提出一种基于局部回归模型的图像超分辨率重建算法。利用局部图像结构会在不同的图像尺度对应位置重复出现的事实,建立从低到高分辨率图像块的非线性映射函数一阶近似模型用于超分辨率重建。其中,非线性映射函数的先验模型是直接对输入图像及其低频带图像的对应位样本块对通过字典学习的方法得到。重建图像块时利用图像中的非局部自相似性,对多个非局部自相似块分别应用一阶回归模型,加权综合得到高分辨率图像块。实验结果表明,该算法重建的图像与同样利用图像具有自相似性的相关超分辨率算法相比,峰值信噪比(PSNR)平均提高0.3~1.1 d B,主观重建效果亦有明显提高。(本文来源于《计算机应用》期刊2016年06期）
吉娜烨,柴秀娟,山世光,陈熙霖[9]（2014）在《局部回归模型驱动的人脸素描自动生成》一文中研究指出为了兼顾生成人脸素描与对应照片间的相像性和艺术性,提出一种利用局部回归模型学习照片-素描间的映射关系自动生成人脸素描的方法.首先在图像局部区域上采用回归技术获得照片-素描对应局部区域之间的映射关系;然后将映射关系应用到输入的人脸照片上,考虑结构性特征并模拟铅笔素描笔触来合成对应的素描图像.在CUFS数据库上的实验结果表明,采用该方法合成的素描保持了原始人脸照片的身份信息,并且体现出较好的铅笔素描纹理.(本文来源于《计算机辅助设计与图形学学报》期刊2014年12期）
郭春霞[10]（2014）在《局部回归时间Packing熵的重分形分析》一文中研究指出利用packing维数这一工具定义水平集Kα的(q,τ)-packing熵,并给出对于水平集Kα的packing熵与(q,τ)-packing二者之间的关系.(本文来源于《苏州市职业大学学报》期刊2014年04期）
局部回归论文开题报告
（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：
提出一个新的抽样评估方法,通过对评估样本的KNN分析,选出特定网页.因大规模网站抽样结果稀疏,KNN算法会导致高检测误差,应用一个局部回归模型提升KNN评估质量.首先在网站中随机选择一些网页进行评估,得到该网站初始无障碍得分.在此基础上,将每一个评估网页作为一个标记样例,其他网页根据KNN局部回归模型进行无障碍评估得分预测.实验结果证明:所提方法相比随机抽样算法的效果上有着显着性提升.
（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。
局部回归论文参考文献
[1].潘孟姣,蔡青松.基于全局和局部回归的因果定向改进算法[J].计算机应用与软件.2018
[2].陈荣华,王鹰汉,卜佳俊,于智,高斐.基于KNN算法与局部回归的网站无障碍采样评估[J].浙江大学学报(工学版).2018
[3].何煌达.基于EEMD和局部回归的原油价格预测模型研究[D].深圳大学.2018
[4].李双博.相依函数型数据的局部回归估计的渐近正态性[J].统计研究.2018
[5].刘宇,郑昌文,袁红亮.基于引导滤波器和局部回归理论的MonteCarlo图像噪声移除算法[J].计算机辅助设计与图形学学报.2018
[6].郭春霞,栗忠魁,诸云强,孙伟.局部回归克里格在气温栅格化中的应用[J].首都师范大学学报(自然科学版).2016
[7].李欣,崔子冠,陈杰,朱秀昌.基于局部回归和自相似性的图像超分辨率重建[J].计算机技术与发展.2016
[8].李欣,崔子冠,孙林慧,朱秀昌.基于局部回归模型的图像超分辨率重建[J].计算机应用.2016
[9].吉娜烨,柴秀娟,山世光,陈熙霖.局部回归模型驱动的人脸素描自动生成[J].计算机辅助设计与图形学学报.2014
[10].郭春霞.局部回归时间Packing熵的重分形分析[J].苏州市职业大学学报.2014