简介：利用历史资料，预测2007年-2010年住院分娩人数，并根据预测结果，提出建议、目的，服务于医院管理。

简介：摘要本文对毕节卷烟厂三车间使用的三台阿特拉斯40立方空压机电耗数据进行统计分析，找出影响空压机电耗的主要因素，通过多元线性回归分析，建立科学的回归模型，对该模型进行验证性计算，得出空压机耗电量和各自变因素之间的关系。对车间空压机合理经济运行，节能降耗提出指导性意见。

简介：分析了教育评估问题及现有方法，提出了基于支持向量回归的教育评估方法。首先，介绍了支持向量回归算法。其次，探讨了基于支持向量回归的教育评估原理。最后，以学位授权点合格评估为例进行了模拟评估。

简介：一、引言季节波动是指由于自然条件或社会条件的影响，经济现象在一年内随着季节的转变而引起的周期性的波动。一般来说，在一些经济现象除了受季节波动影响之外，它还受到经济发展的长期趋势的影响以及除了上述因素以外的不规则波动。为了能对受季节波动影响的经济现象进行预测，一般常用的方法是将影响经济现象的各个主要因素加以分解，进行单独测算，然后再进行迭加，从而对受季节波动影响的经济现象进行预测。对于受季节波动影响的经济变量Y，它可以分解为Y=T＋S＋I（其中T为长期趋势，S为季节波动，I为不规则变动）、或Y＝T·S＋I或其他形式。不论是加法模型还是乘法模型，常用的方法都是分离出长期趋势T和季节波动S或不规则变

简介：为了预测某导弹陀螺漂移趋势,以该陀螺漂移角速度时间序列为对象,建立了基于支持向量回归机的预测模型。针对该预测模型的特点,提出了支持向量预选取的模型优化方法。基于ε不敏感损失函数的支持向量回归机具有稀疏性,其结构由支持向量决定。因此从训练样本集中预选出有可能成为支持向量的样本,精简样本规模是提高该类支持向量回归机训练和预测效率的有效方法。针对该类支持向量回归机从分类和回归两个角度分析了支持向量的几何特征,提出了核函数空间免疫聚类的支持向量预选取方法并用于某导弹陀螺漂移预测模型的数据预处理。仿真结果表明优化后的预测模型运算量小、建模速度快,精度高。

简介：摘要一般情况下，数据自然对数转换可使变量满足线性回归的应用条件。本文从实际应用出发，介绍了在进行线性回归分析时，自变量自然对数转换、因变量自然对数转换和两者都进行自然对数转换后，不能直接用X和/或Y的改变量解释回归方程和系数的原因，并阐述了用X和/或Y的百分比改变来解释回归方程和系数的原理。最后，用三个实例演示自变量、因变量、两者都进行自然对数转换，对拟合线性回归的结果进行了详细解释。

简介：结合支持向量机和神经网络各自的优点，提出了一种新颖的自适应支持向量回归神经网络（SVR—NN）．首先，利用支持向量回归方法确定SVR—NN的初始结构和初始化权值，基于支持向量自适应地构造SVR—NN神经网络的隐层节点；然后，使用退火过程的鲁棒学习算法更新网络节点参数和权值．为了验证所提出方法的有效性，给出了自适应SVR-NN应用于非线性动态系统辨识的实例．仿真结果表明，与以前的神经网络方法相比，基于SVR-NN网络的辨识方案能获得相当好的性能，它具有很快的收敛速度．因此，自适应的SVR—NN为非线性系统辨识提供了极有吸引力的新途径．

简介：以提高估计量的精度为目的,定义了一种新的多个辅助变量的回归估计法,从理论上研究了该方法下权的选取方法,并将该方法下的估计量与Raj多辅助变量回归估计量、Ghosh多元线性回归估计量在精度上进行了数值比较,结果表明：这种新的多辅助变量的回归估计法在精度上优于Raj多辅助变量回归估计和Ghosh多元线性回归估计。

简介：摘要本文从全国476个气象站点近33年来的平稳化气候数据（日干球温度、露点温度和太阳辐射）出发，构建了反映气候分区特征的6个气候变量，并通过回归分析方法对这6个变量进行预测，为气候分区提供了依据。

简介：多因变量综合线性回归中变量筛选问题,一直受到学术界的高度关注。针对当前不少学者对多因变量综合线性回归中变量筛选问题的错误认识,尤其是＂偏最小二乘回归模型＂涉及数学过于深奥,很多学者不能理解其原理,不能适合采用该模型的条件而盲目使用。在利用线性代数中正定与半正定矩阵的性质和矩阵的特征理论的基础上,剖析三种常规线性回归建模方法的原理,揭示＂偏最小二乘回归模型＂的本性,并在肯定其优越性的同时也指出其应用上的局限性;提出实际应用中合理选择回归模型的若干标准,建立一种容易掌握操作简便且可替代OLS法的＂超平面回归模型＂;利用一个实例对几种回归建模方法的应用效果进行比较和说明。

简介：传统图像局部方向特性的自适应全变分去噪算法,通过计算图像局部方向的角度矩阵,用优化最小化算法迭代求解实现图像去噪,不能保存图像边缘信息,去噪效果及稳定性差。提出基于能量回归滤波全变分图像自适应去噪算法,通过能量回归尺度空间滤波法获取滤波图像时,对源噪声图像进行多尺度二进小波分解获取小波变换系数及低频粗糙分量,采用能量回归滤波法计算小波系数并对小波系数进行重构,获取源图像的滤波图像。采用基于图像局部方向特性的自适应全变分去噪算法从含噪滤波图像中分离出轮廓尺度图像,对含噪图像同轮廓尺度图像实施差计算获取含噪残差纹理细节图像,基于该图像运算获取规整化可信度参数λ后,采用基于参数P与λ的全变分图像自适应去噪算法对带噪滤波图像进行处理,得到消噪图像。实验结果表明：所提算法去噪效果佳,其具有较高的稳定性和效率。

简介：摘要多重共线性是影响回归分析结果的一个重要问题，近年来发展的LASSO方法对于筛选解释性较高的变量、处理高维数据和解决多重共线性问题具有强大的优势。该方法是在模型估计中增加了惩罚项，能将一些不必要变量的回归系数压缩为零进而从模型中剔除，达到变量筛选的目的。本文将重点介绍LASSO这一方法，并与最优子集、岭回归、自适应LASSO与弹性网络的结果进行比较，结果显示LASSO与自适应LASSO在解决自变量多重共线性问题以及增强模型解释性、预测精度方面均有较好的表现。

简介：对于存在测量误差的面板数据自回归模型，首先讨论了POLS（PoolingOLS）和LSDV（leastsquareofdummyvariable）估计存在向零的衰减偏差及其非一致性，其次对于混合自回归模型和个体固定效应自回归模型给出了工具变量应满足的条件。研究发现这时工具变量的选择是十分困难的。

简介：本文采用支持向量回归机对物流需求进行预测,研究SVR在物流需求预测中的可行性。为了建立有效的SVR模型,SVR参数需要精心设置,针对物流需求非线性的特点,本文首次提出用遗传算法(GA)优化支持向量回归(SVR)机进行预测,采用最优参数构造SVR模型。以1990-2015年广西货运量为时间序列数据,实验结果表明,以平均绝对误差(MAPE)和均方差比值(MSE)为精度检验标准,GA-SVR比ARIMA和灰色预测具有更优的预测效果。

简介：针对复杂不确定系统的控制问题，提出了一种基于在线支持向量回归的预测控制方法。该方法应用支持向量回归在线估计预测控制的预测模型，并实时更新。分析了预测时域和控制时域的选择对控制精度的影响，给出了控制参数设计原则。对电液力伺服加载系统的仿真试验表明，该方法有很好的控制性能。

简介：当前，基于教育大数据的实时决策、数据可视化和个性化学习服务受到人们的热捧，但很少有人从伦理规范和质量保证等视角对基于教育大数据的研究和应用进行反思。本文首先厘定了教育大数据的内涵、特征，然后分析了教育大数据与教育虚拟社区的契合以及教育大数据当前研究和应用中在技术器物、运维机制、使用主体三个层面所凸显出的问题，认为以学习者为中心、具有生态交往文化特性和一定伦理规范的教育虚拟社区可以规避教育大数据当前所面临的问题。基于上述论述，文章提出教育大数据回归教育虚拟社区将是必然，并阐述了实现教育大数据向教育虚拟社区回归的思路或方法。

简介：研究变量间的变动关系,并用数学方程式表示,称为回归分析。特别是用于:定量地描述和解释相互关系;估计或预测因变量的值。"回归"一词最早由英国天才科学家SirFranxis

简介：为提高小样本定量构效关系（QSAR）预测精度，基于支持向量机全局核函数与局部核函数提出了一种新的建模方法：先依不同核函数筛选描述符，再依保留描述符构建支持向量机回归（SVR）子模型．子模型预测活性值与实验值组成混合样本．以均方误差（MSE）最小为原则，对混合样本再次基于SVR实施核函数寻优与子模型筛选，基于最优核函数和保留子模型以留一法完成预测．对2个小样本体系的QSAR研究表明，该方法兼具局部核函数和全局核函数的优点，既有较强的学习能力，又有较好的推广能力，预测精度高，稳定性好．

简介：

简介：对利用三变量模型计算中、美、日三国不同时期的经济周期和增长率时产生的较大误差进行了研究,结果发现,误差与各国虚拟经济对GDP增长的贡献率一致.计算结果表明,美国虚拟经济占GDP比重在不断提高,而对经济增长的贡献率却在下降,从而找到其金融危机发生的数量基础.三变量模型暗示了凯恩斯政策只是在民众的消费系数不太高、恩格尔系数不太低、民众储蓄率较高的情况下才是科学的.