發(fā)布時間：2021-05-27 08:56

　　目前,非參數(shù)回歸在許多領域得到了廣泛關注。N-W核估計是非參數(shù)回歸中的重要方法,具有重要的研究意義。理論和實驗結果顯示N-W核估計受平滑窗寬條件的影響較大,它在很多情況下預測結果不佳,特別是在輸入值的邊緣區(qū)域。同時,對國內已有文獻研究發(fā)現(xiàn),在非參數(shù)回歸領域很難找到創(chuàng)造性的新方法。用新方法解決非參數(shù)回歸中使用傳統(tǒng)N-W核估計方法時預測誤差過大的問題具有一定的研究意義。為了提高N-W核估計的預測精度,文章主要作了以下兩項研究工作。1.將再生核希爾伯特空間的思想與傳統(tǒng)N-W核估計方法用Bagging的思想相結合,提出了RKHS核估計的Bagging方法,簡稱RKHS方法。2.為了進一步減小預測誤差,將局部線性理論、再生核希爾伯特空間和N-W核估計用Bagging的思想相結合,又提出了RKLL核估計的Bagging方法,簡稱RKLL方法。模擬實驗結果顯示,對于一般樣本而言RKLL方法的預測誤差遠遠小于另外兩種方法,有時它的預測誤差甚至比N-W核估計小一百倍以上,RKHS方法的預測誤差通常介于RKLL和N-W核估計之間。同時,RKLL方法和RKHS方法解決了N-W核估計方法的邊界效應問題。平滑窗... 

【文章來源】：電子科技大學四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
縮略詞表
第一章 緒論
    1.1 研究背景與意義
    1.2 國內外研究歷史與現(xiàn)狀
    1.3 本文解決的問題及創(chuàng)新之處
    1.4 研究思路與框架
第二章 非參數(shù)回歸與Bagging方法簡介
    2.1 非參數(shù)回歸的概念
    2.2 Bootstrap原理與回歸應用
        2.2.1 Bootstrap的原理介紹
        2.2.2 Bootstrap的回歸應用
    2.3 Bagging方法簡介
    2.4 本章小結
第三章 N--W核估計的Bagging方法
    3.1 N--W核估計理論介紹
    3.2 N--W核估計的Bagging方法
    3.3 窗寬選擇的交叉驗證方法
    3.4 本章實驗
    3.5 本章小結
第四章 RKHS核估計的Bagging方法
    4.1 RKHS的理論介紹
    4.2 RKHS核估計的Bagging方法
    4.3 本章實驗
    4.4 本章小結
第五章 RKLL核估計的Bagging方法
    5.1 局部線性回歸理論介紹
        5.1.1 最小二乘估計的公式推導
        5.1.2 加權最小二乘估計的公式推導
    5.2 RKLL核估計的Bagging方法
    5.3 本章實驗
    5.4 本章小結
第六章 全文總結與展望
    6.1 全文總結
    6.2 后續(xù)工作展望
致謝
參考文獻
攻讀碩士學位期間取得的成果


【參考文獻】：
期刊論文
[1]非參數(shù)回歸模型均值與方差雙重變點的估計[J]. 胡堯,鄧春霞,李麗.  應用概率統(tǒng)計. 2018(03)
[2]基于屬性權重的Bagging回歸算法研究[J]. 孟小燕.  現(xiàn)代電子技術. 2017(01)
[3]加權最小二乘法線性回歸模型參數(shù)的理論推導與計算實例[J]. 畢瑞鋒,張發(fā)玲.  計量與測試技術. 2016(02)
[4]基于特征選擇的Bagging分類算法研究[J]. 姚明海,趙連朋,劉維學.  計算機技術與發(fā)展. 2014(04)
[5]基于MM-算法的局部常數(shù)核加權分位數(shù)回歸估計及應用[J]. 姜云盧,袁晶晶.  華南師范大學學報(自然科學版). 2013(04)
[6]Bootstrap方法在非參數(shù)核估計中的研究與應用[J]. 潘海濤.  統(tǒng)計與決策. 2010(23)
[7]分類器線性組合的有效性和最佳組合問題的研究[J]. 付忠良.  計算機研究與發(fā)展. 2009(07)
[8]一種基于迭代Bagging的回歸算法[J]. 王立,朱學峰.  控制工程. 2009(01)
[9]非參數(shù)技術理論及應用綜述[J]. 戴麗娜.  新鄉(xiāng)學院學報(自然科學版). 2008(03)
[10]穩(wěn)健回歸的反復加權最小二乘迭代解法及其應用[J]. 施能,王建新.  應用氣象學報. 1992(03)



本文編號：3207283