导读:本文包含了伪线性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:参数估计,最小二乘,伪线性系统,数据滤波
伪线性回归论文文献综述
丁盛[1]（2014）在《基于滤波的伪线性回归系统递推最小二乘辨识方法》一文中研究指出在航天航海、天文系统、社会经济以及工业过程等一大批领域中.研究对象一般比较复杂,大部分可以归结称作为伪线性回归系统,现有理论很难直接获得其数学模型,只能够应用观测到的数据来确定研究对象的参数和它的模型.这篇论文是以我国自然科学基金项目为背景而展开的：查阅系统辨识的文献,了解系统辨识发展历史.进而结合数据滤波技术,最小二乘辨识的思想以及辅助模型辨识方法,解决一系列的伪线性回归系统和输出误差系统辨识的问题，论文的主要工作如下.1.针对伪线性回归滑动平均系统提出数据滤波递推最小二乘辨识的算法.利用对应于系统噪声的线性滤波器,对输入和输出数据处理，将系统转化为白噪声干扰的辨识模型.再利用最小二乘原理,分别估计线性回归部分的参数和噪声模型参数：接着,这种方法将进一步应用于伪线性回归自回归系统伪线性回归和伪线性回归Box-Jenkins系统，最后通过计算机仿真验证了方法的有效性.2.通过采用辅助模型和滤波技术，提出伪线性输出误差滑动平均系统的参数估计方法.本章提出了一种基于辅助模型递推最小二乘参数估计算法.通过构造一个辅助模型和并用它代替未知的内部变量完成.进一步采用数据滤波技术，将有色噪声干扰的辨识模型转化为白噪声干扰的辨识模型,提出了基于滤波和辅助模型的方法.与前者相比,后者方法需要更小的计算量,具有更高的计算效率.同时将方法应用到伪线性输出误差自回归系统和伪线性输出误差Box-Jenkins系统中，最后仿真论证方法的有效性.论文研究并推导了伪线性回归系统和伪线性输出误差系统的辨识方法,计算机仿真实验验证了算法的良好性能.(本文来源于《江南大学》期刊2014-06-01）
丁锋,汪菲菲,汪学海[2]（2014）在《多元伪线性回归系统部分耦合多新息随机梯度类辨识方法》一文中研究指出针对多元伪线性滑动平均系统,讨论了多元增广随机梯度算法,为减小算法的计算量,将系统分解为一些子系统,给出了子系统增广随机梯度算法,利用耦合辨识概念和多新息辨识理论,推导了部分耦合(子系统)增广随机梯度算法、部分耦合(子系统)多新息增广随机梯度算法.进一步将提出的方法推广到多元伪线性自回归滑动平均系统,给出了部分耦合(子系统)广义增广随机梯度算法、部分耦合(子系统)多新息广义增广随机梯度算法.文中分析了多元增广随机梯度算法、部分耦合增广随机梯度算法、部分耦合多新息增广随机梯度算法的计算量.(本文来源于《南京信息工程大学学报(自然科学版)》期刊2014年02期）
丁盛[3]（2014）在《基于辅助模型和数据滤波的伪线性回归系统参数估计方法》一文中研究指出针对伪线性输出误差回归系统的辨识模型新息信息向量存在不可测变量的问题,首先通过构造一个辅助模型,用辅助模型的输出代替未知中间变量,推导得到的基于辅助模型的递推最小二乘参数估计算法计算量较大,但算法的辨识效果不佳。进一步采用估计的噪声模型对系统观测数据进行滤波,使用滤波后的数据进行参数估计,从而推导提出了基于数据滤波的递推最小二乘参数估计算法。仿真结果表明,所提算法能够有效估计伪线性回归线性输出误差系统的参数。(本文来源于《计算机应用》期刊2014年01期）
丁盛,丁锋[4]（2013）在《基于滤波的伪线性回归系统递推最小二乘辨识方法》一文中研究指出针对伪线性回归系统,提出了基于滤波的最小二乘辨识方法,基本思想是采用估计的噪声模型对系统观测数据和信息向量进行滤波,并用滤波后的数据进行辨识。仿真结果表明提出的算法能够估计伪线性回归系统的参数。(本文来源于《测控技术》期刊2013年11期）
王乐乐,蔡旭[5]（2007）在《基于伪线性回归算法的自适应滤波算法》一文中研究指出为抑制谐振接地系统对地电容中的工频信号和其它谐波成分,提出了一种基于伪线性回归算法的自适应滤波算法。该算法以经平滑滤波后的信号输出误差为代价函数调整滤波器系数,当滤波器输入信号变化时可保持最佳输出信号,在一定程度上补偿了滤波器元件参数变化带来的运算误差。仿真结果表明,与其它自适应算法相比,该算法收敛速度快且失调率低,基于该算法的滤波器结构简单、测量误差较低、可靠性较高。(本文来源于《电网技术》期刊2007年12期）
伪线性回归论文开题报告
（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：
针对多元伪线性滑动平均系统,讨论了多元增广随机梯度算法,为减小算法的计算量,将系统分解为一些子系统,给出了子系统增广随机梯度算法,利用耦合辨识概念和多新息辨识理论,推导了部分耦合(子系统)增广随机梯度算法、部分耦合(子系统)多新息增广随机梯度算法.进一步将提出的方法推广到多元伪线性自回归滑动平均系统,给出了部分耦合(子系统)广义增广随机梯度算法、部分耦合(子系统)多新息广义增广随机梯度算法.文中分析了多元增广随机梯度算法、部分耦合增广随机梯度算法、部分耦合多新息增广随机梯度算法的计算量.
（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。
伪线性回归论文参考文献
[1].丁盛.基于滤波的伪线性回归系统递推最小二乘辨识方法[D].江南大学.2014
[2].丁锋,汪菲菲,汪学海.多元伪线性回归系统部分耦合多新息随机梯度类辨识方法[J].南京信息工程大学学报(自然科学版).2014
[3].丁盛.基于辅助模型和数据滤波的伪线性回归系统参数估计方法[J].计算机应用.2014
[4].丁盛,丁锋.基于滤波的伪线性回归系统递推最小二乘辨识方法[J].测控技术.2013
[5].王乐乐,蔡旭.基于伪线性回归算法的自适应滤波算法[J].电网技术.2007