一、非线性模型的稳健回归(论文文献综述)
何潇,徐奇刚,雷相东[1](2021)在《气候敏感的落叶松人工林林分生物量模型研究》文中进行了进一步梳理[目的 ]建立林分生物量模型,分析不同因子对林分生物量的影响,为区域尺度生物量的估算提供模型和依据。[方法 ]以东北和华北地区7个省份的落叶松人工林为研究对象,利用第8次一类清查固定样地数据,采用普通最小二乘方法和稳健回归方法建立林分生物量模型。采用主成分分析和相关分析法筛选气候变量,建立气候敏感的林分生物量模型(包括地上生物量AGB和总生物量TGB)。使用决定系数(R2)、均方根误差(RMSE)和相对均方根误差(rRMSE)评价模型。将各因子的解释率分解为独立解释和共变部分,量化不同因子的解释率。[结果 ](1)最优基础模型形式为变量直接引入,最优AGB和TGB模型R2分别为0.967、0.953,地上部分的大于总量。普通最小二乘回归和稳健回归结果类似,稳健回归稍优于普通最小二乘回归,基于稳健回归的最优AGB模型的RMSE、rRMSE要比对应的普通最小二乘回归模型分别低0.046 t·hm-2、0.085%,对于TGB则分别低0.059 t·hm-2、0.081%。(2)AGB和TGB与湿热指数(AHM)相关系数较大,分别为-0.350和-0.363,气候敏感的林分生物量模型进一步提升了的模型预测效果,AGB的R2提高了0.41%,而RMSE和r RMSE降低了6.85%;TGB的R2提高了0.63%,误差统计量降低了6.79%。(3)AGB和TGB的林分因子独立解释分别为87.37%、82.32%,气候因子独立解释分别为0.40%、0.60%,共变部分分别为9.33%、9.98%,林分因子的解释率远大于气候因子,共变部分较大。[结论 ]当林分生物量模型的建模数据质量较高时,稳健回归和普通最小二乘回归建立的模型差异不大,但气候因子对林分生物量具有显着影响,需要建立气候敏感的林分生物量模型进行生物量估计。
任鹏[2](2020)在《不确定性因素影响下基于应变数据的工程结构局部损伤表征研究》文中研究说明通过结构健康监测系统获取结构振动(模态)、位移、应变等响应数据,进而分析结构行为、识别结构损伤以及评估结构性能已成为保障工程结构安全运营的有效途径。相比于模态类测量数据,应变测量数据包含大量非共振频带的有用信息;相比于位移类(加速度、速度、位移等)测量数据,应变测量数据直接关联结构的局部性态并且能够反映传感器附近区域的应力重分布,更加适合用来表征结构的局部损伤。然而,测量数据夹杂了测试误差以及环境与运营荷载等不确定性因素的干扰,有可能造成损伤误判;亟待监控和识别的既有工程结构,由于缺乏合适的基准模型而导致的建模误差加剧了损伤量化的不确定性;很多未严格考虑的损伤识别方法不再适用,基于应变测量数据的局部损伤表征优势尚未得到充分发挥。因此,有必要面向监测活动中获取的测量数据发展更加鲁棒与高效的处理和评价方法。本文聚焦不确定性因素影响下基于应变数据的结构局部损伤表征理论与方法研究,在评估已有方法适用性的基础上,为解决不确定性因素影响下遇到的问题,提出新的基于应变数据的结构损伤预警、单元修正与数据融合方法。具体研究内容如下:(1)针对三种典型的基于应变测量数据的结构损伤识别方法(直接损伤定位、相关性建模与灵敏度模型修正),采用案例评估的方式分析不确定性因素影响下方法的适用性。首先评估从应变数据中提取的静态应变、模态应变和小波包能量应变三种损伤敏感特征直接定位损伤的有效性,明确这类方法仅适用于简单梁式结构,并亟待考虑时变荷载的影响;然后利用桁架梁桥节点损伤案例考察基于长期应变数据与温度数据相关性建模的损伤预警效果,发现由于时变荷载作用机理的复杂性以及测量信息的不完备,容易造成相关性模型的过拟合,导致该类方法难以识别结构早期损伤;最后通过立管模型结构数值案例探讨基于短时应变数据的结构模型修正遇到的测试与建模误差干扰问题,引入的递推估计方法和正则化方法被认为相比传统的梯度方法具有显着优势,但对于初始模型预估出现偏差的情况,已有的方法均存在较大的损伤误判。(2)提出了两种基于运营状态下长期应变监测数据的损伤预警与定位方法。环境与运营荷载等时变因素对监测数据干扰严重,而依赖时变荷载观测的相关性建模方法由于作用机理复杂和数据不完备而难以识别局部小损伤。本文提出利用应变监测数据中不同监测点数据间的关联性来表征其中某一应变测点数据的微小异常,提取对损伤十分敏感且对时变荷载效应不敏感的局部损伤特征,并形成损伤预警与定位算法。分别利用主成分分析和稳健回归分析来表征不同应变测点数据之间的关联性。具体来说:前者基于移动主成分分析并采用两两组合的方式,提取各应变测点对应的第二主成分得分矩阵的相对熵值作为局部损伤特征,采用格拉布斯检验法进行损伤预警;后者基于移动稳健回归分析,直接提取各应变测点数据与其余测点数据之间的稳健回归残差范数作为局部损伤特征,采用控制图法进行损伤预警。分别采用简化析架梁桥与高速铁路连续箱梁两个数值模型以及钢桁架试验模型作为研究对象,对提出的两种损伤预警与定位算法的鲁棒性与计算效率进行了较为充分的验证。(3)提出了一种基于短时应变测试数据的结构单元修正方法。模型不确定性尤其是建模误差对模型修正的迭代过程干扰严重,同时迭代变量维数过大也会引起相应的计算问题。本文发展一种使用结构局部损伤信息修正局部单元刚度的方法:选用低频带响应估计结果与结构质量和阻尼无关的传递率方法进行应变响应估计,对目标单元(应变测量单元)估计与实测的应变响应提取小波包能量应变,将两者残差范数作为目标函数并采用群智能算法修正单元刚度以获取目标单元的损伤量化指标,进而提出基于应变响应估计与群智能算法的单元修正方法。该算法可令与局部损伤无关的物理参数不参与单元修正过程以降低建模误差影响,并将迭代变量缩减为一个以提高收敛效率。分别采用立管和桁架子结构两个数值模型以及简支钢梁试验模型作为研究对象,对提出的结构单元修正算法的鲁棒性与计算效率进行了较为充分的验证。(4)提出了两种基于应变与位移数据的结构损伤识别方法。监测系统中对局部损伤敏感的传感器多分散式布设在若干易损部位,由于不确定性因素的影响导致仅通过某一应变测点的数据识别该测点位置处损伤十分困难。本文考虑应变与位移测量数据的互补性,在移动稳健回归分析的基础上提出基于应变-位移测点对的局部损伤识别方法,通过该方法提取只对应变测点位置损伤敏感且对时变荷载效应不敏感的特征融合数据;此外,在利用优化布置的位移测点的响应数据估计目标单元应变响应的基础上,提出联合应变与位移测试的结构单元修正方法,该方法可单独量化某一应变测量单元的损伤;采用数值与试验研究分别证实不确定性因素影响下上述两种融合应变与位移数据的损伤识别方法的有效性与鲁棒性。本文的最后结合前述基于应变数据的局部损伤表征方法,提出构建工程结构局部损伤识别指标体系的有关建议。
刘新江[3](2020)在《基于自动观测的天文大地测量新方法研究》文中研究说明天文大地测量通过观测恒星等自然天体的位置来确定地面点的位置以及至地面某一目标的方位角,是大地测量的主要技术手段之一,应用于空间基准建立、航天测控、远程精导武器发射、惯导设备标定、垂线偏差确定及工程测量等领域。传统的天文大地测量方法主要适用于北半球中纬度地区;测量设备主要是光学经纬仪,需人工观测,效率很低。近年来,随着数字天顶仪、视频经纬仪等新型测量系统的研制成功,天文大地测量技术已开始向自动观测转型,但定位定向观测和数据处理模型基本上仍采用的是传统方法,不能满足在全球范围内进行快速高效和高精度的测量。为了实现任意地区快速天文定位定向,解决复杂环境下只有部分星可见时的天文大地测量难题,本文基于自动测量技术能在短时间内获得全天区大量天文观测数据的特点,引入相关变量回归分析理论,提出了多种新的天文大地测量方法,并进行了深入系统的理论研究和大量的野外实际测量实验验证。论文主要研究内容及创新点如下:(1)首次在天文大地测量数据处理中引入相关变量回归分析方法,构建了天文大地测量数据回归分析仿真平台;在实测数据处理中,对回归方法进行了拓展,提出了两步回归法、平行回归法和零值分位回归法。(2)提出观测多颗近似中天星实现定位定向的新方法,采用高度差平行回归法测定纬度,采用多星中天时角法测定经度和方位角。在低纬度地区实测36颗任意高度近似中天星数据,定位精度优于±0.5″,定向精度优于±0.25″,满足高等级天文大地测量精度指标要求。与经典的北极星任意时角法相比,定向测量前不需要进行精密天文定位,1个一等天文方位角的观测用时由至少2天时间缩短到2小时以内,将精密天文定向测量的作业范围由北半球中纬度地区扩展至全球任何地区。(3)针对只有北天区星可见时的观测条件,提出了多颗近似大距星同步定位定向方法。传统大距星对法只能精确定向,且需要已知测站精确坐标;新方法不需要按照天体赤纬和大距时刻进行配对观测,通过观测多颗近似大距星的天顶距和水平角数据即可实现定位定向,选星条件从星位角严格在90°扩展到87°~92°,同等时间内可观测星数增加1倍以上。(4)基于自动观测可同时获取近似等高星天顶距和水平角的特点,在数据处理中提出了方位角零值分位回归法实现同步定位定向。依据测站纬度和天顶距确定零值分位数进行分位回归,观测40颗近似等高星,定位精度优于±0.3″,定向精度优于±0.5″,与普通回归方法相比计算精度提高30%。自动观测与人工观测相比,天顶距观测精度提高33%,水平角观测精度提高52%,观测效率提高1倍以上。(5)通过增加回归参数,将近似中天、卯酉和等高星数据回归处理方法适用范围扩展至全天区,建立了观测多颗任意星实现精密定位定向的多元回归模型。针对任意星观测精度不一致、高度和方位分布不均匀所引起的数据处理结果不稳健问题,提出了按方位角装箱的非参数—参数两步回归法,有效提高了成果的稳健性。(6)采用多种型号的全站仪作为观测仪器,对本文所提出的新方法进行了大量的实际测量实验,与传统测量方法相比,新方法的计算结果准确可靠,能够满足不同地域各种复杂环境的测量需求。
陈硕[4](2020)在《稳健回归与度量学习方法研究》文中提出在机器学习与模式识别的诸多任务中,如何真实而有效地度量两个数据样本之间的相似程度是一个极其重要的问题,并极大影响着后续识别任务的准确程度。一方面,这是因为在真实数据中,样本通常会受到噪声的干扰,欧式距离等度量方式容易受到噪声的干扰而不能如实地度量出样本间的相似性;另一方面,对于监督学习任务而言,测试阶段的数据可能会与训练阶段数据差异巨大,如果不能建立一个泛化能力良好的样本间距离度量方式,就不能在最终的测试任务上取得令人满意的性能指标。针对以上两个方面的问题,本文主要从“对噪声不敏感”和“提升泛化性能”两个角度来对现有距离度量方法作出改进与推广。首先,本文提出了两种稳健距离,并将之应用在回归模型中,建立了对噪声数据不敏感的稳健回归模型;此外,本文从参数学习角度进行建模,针对现有的距离度量学习模型在泛化能力上存在的不足进行改进,提出了三种新颖的距离度量学习模型。本文的主要成果概括如下:1.针对图像分类中的结构噪声(如遮挡、光照变化等)问题,本文提出了一种低秩隐模式逼近模型,通过直接求解参照样本与测试样本的重构样本作为隐模式,来移除结构噪声。我们使用Frobenius范数来刻画隐模式矩阵与参照样本的距离,并使用核范数来刻画隐模式与测试样本的距离,进而得到能够对测试样本中噪声稳健的距离度量。我们进一步将距离模型扩展为一种回归形式,用于刻画样本到类别的距离,并使用改进后的交替方向乘子法来求解回归系数和隐模式矩阵。多个数据集上的实验验证了,与最新的一些基于重建的回归模型相比,该方法在处理带有结构噪声的识别问题时具有一定的优势。2.考虑到现有的基于l0-范数的距离度量一方面忽略了结构噪声的相关性,另一方面它们大多采用近似的迭代求解方法,而无法高效地求取一个精确解。本文首先对l0-范数进行了推广,将该范数中对非零元素的计数泛化为非零邻域的计数,提出了一种新颖的δ-范数,进而能够刻画具有结构性的图像噪声。本文使用核方法构造了能够在核空间内无限逼近δ-范数的核函数,并在具体的回归模型上进行应用,进而得到了高效的闭式解,在测试阶段仅需要进行矩阵投影运算。在多个图像数据库上的识别和重构实验表明,该方法能够在具备速度优势的情况下,达到比现有稳健回归模型更准确的识别性能和重构效果。3.现有的距离度量学习模型仅能利用给定的原始数据进行训练,难以在差异较大的测试数据上取得稳定的泛化性能。针对该问题,本文提出了对抗度量学习模型,通过产生对抗数据来弥补训练数据与测试数据之间的差异。该模型分为两个阶段,在混淆阶段,模型自动产生具有歧义但对于学习算法十分关键的对抗数据,然后在区分阶段将对抗数据连同原始数据一同用于训练得到一个稳健的距离度量,进而提高了度量学习模型的鉴别能力。我们在人工数据实验以及分类和匹配等任务上验证了提出的对抗度量学习模型的优越性。4.针对线性距离度量(即马氏距离)拟合能力欠佳的问题,本文提出了一种数据自适应的度量学习模型,将以往度量学习中的单个投影矩阵推广为多个投影矩阵的线性组合,并为每个数据对设定相应的表示系数来对投影矩阵进行选择,进而达到数据自适应的目的。我们的方法被形式化为一个联合学习投影矩阵与稀疏表示系数的最优化模型。我们随后将模型扩展为核化版本,进一步提升了模型的非线性拟合能力,并提供了相应的迭代阈值收缩算法对模型进行求解。该方法在图像检索、模式分类、图像匹配等任务上取得了具有优势的识别性能。5.针对传统度量学习无法自适应的捕获数据的几何形状这一问题,本文提出了曲线距离度量学习。首先我们经过数学推导发现传统线性度量学习等价于计算样本对在测量线上的累计弧长值。由于直线测量线无法刻画空间曲面的曲线距离,本文提出将以往的直线测量线改进为一般的曲线形式,进而能够自适应地学习数据的几何形状。基于Weierstrass定理,我们将曲线的学习过程转化为一个关于三阶张量的最优化模型,并设计了相应的随机优化方法进行求解。本文进一步通过理论证明了这一泛化模型的拟合能力、误差上界、以及拓扑学性质,保证了模型的合理性和可靠性。该方法在合成数据和真实数据的分类、匹配、检索等任务上达到了优异的识别性能。
赵越[5](2020)在《枢纽型牵引变电所谐波特性分析及治理研究》文中提出随着我国电气化铁路运营规模的不断扩大,建设同时给多条不同等级的电气化铁路供电的枢纽型牵引变电所成为趋势。相较于传统牵引变电所,枢纽型牵引变电所面临更为严峻的谐波问题,具体表现在如下三个方面:1)枢纽型牵引变电所供电线路中运行着众多不同传动类型、工况复杂的电力机车,使得其谐波输出频段更加丰富;2)枢纽型牵引变电所供电区间内运行的电力机车数量更多,造成了枢纽牵引变电所的谐波问题更为复杂;3)枢纽型牵引变电所同一母线连接的供电线路数量(长度)大幅增加,结构更加复杂,极易造成牵引供电系统电抗和电容参数匹配,引起严重的谐振过电压。基于此,本文从不同类型电力机车的谐波输出特性和谐波建模方法入手,研究了枢纽型牵引供电系统谐波建模及潮流解析方法,探讨了不同影响因素对枢纽型牵引变电所谐波特性的影响及相应的谐波治理方案。具体研究内容如下:(1)分析了不同传动类型电力机车的谐波输出特性,建立了牵引负荷谐波等效模型。首先,分析了交直型和交直交型电力机车的谐波输出机理。然后,结合CRH2A型动车组受电弓处的谐波电压、谐波电流实测数据,分析了不同工况下动车组谐波电压和谐波电流的幅频特性、相频特性以及交互特性。基于此,应用非耦合谐波诺顿等效建模方法建立了动车组的谐波等效模型,并应用稳健复线性回归方法求解了模型参数。(2)研究了枢纽型牵引变电所谐波建模方法和潮流计算方法。首先,根据枢纽型牵引变电所各个元件的运行机理,建立了计及背景谐波的外部电网、牵引变压器、馈线线缆、多供电线路的谐波模型。然后,结合枢纽型牵引变电所的拓扑结构,建立了完整的枢纽型牵引变电所的谐波等效模型。结合牵引负荷谐波模型,研究了谐波潮流计算方法。最后,通过算例分析,验证了建模方法和谐波潮流计算方法的正确性。(3)仿真分析了牵引负荷运行条件、机车型号、背景谐波等影响因素对枢纽型牵引变电所谐波特性的影响,探究了枢纽型牵引变电所谐波特性。分析结果表明,枢纽型牵引变电所的谐波问题主要为线路结构复杂造成谐波放大问题以及不同类型电力机车输出的特征谐波叠加和衰减问题。(4)针对枢纽型牵引变电所谐波问题,设计了基于无源滤波器的谐波治理方案,并利用滤波效率指标评估了治理效果。研究结果表明,设计的基于C型滤波器与单调谐滤波器组合的治理方案能有效地治理枢纽型牵引变电所谐波问题。最后,总结了全文的研究内容,并对下一步的研究计划进行了展望。
高翔[6](2020)在《无线网络时钟同步技术的研究与设计》文中研究说明随着网络通信和计算机技术的飞速发展,无线网络以其高灵活、安装便捷、支持可移动计算和易于扩展等特性,被广泛应用于军事通信、智能家居、环境监测、医疗护理、智能交通等多种领域。作为无线网络研究的关键问题之一,时钟同步是完成电源管理、多址接入、协作感知、同步跳频、数据聚合等多种功能的基础。因此,研究无线网络的时钟同步技术具有重要的理论意义和实用价值。本文在AS6802标准框架下,结合无线网络的特点,提出了一种新的无线网络时钟同步技术方案。具体工作内容如下:(1)无线网络时钟同步技术分为时钟跟踪阶段和时钟补偿阶段两部分,其中时钟跟踪阶段又分为监测过程和锁定过程。(2)在时钟跟踪阶段的监测过程中,通过同步消息的传输实现传输时延参数的动态测量和网络节点的实时监测,为后续的锁定过程提供最新的传输时延参数和网络节点个数。(3)在时钟跟踪阶段的锁定过程中,通过同步消息的传输实现本地时钟偏差的计算,为后续的时钟补偿阶段提供时钟补偿参数。锁定过程采用确定性调度表的方式进行数据通信,以此来保证同步消息传输的确定性和可靠性。(4)在时钟补偿阶段,针对本地时钟的频漂具有连续时变性的特点,提出了基于局部加权线性回归的时钟补偿方法,提高了时钟同步的精度;针对基于最小二乘法的线性回归过程易受野值点干扰的问题,提出基于最小截平方和估计的稳健回归时钟补偿方法,提高了时钟同步的稳健性。最后,搭建OPNET与MATLAB联合仿真平台,对本文提出无线网络时钟同步方案进行仿真验证,所得实验结果证明:利用局部加权线性回归的时钟补偿方法,本方案可以达到5?s的同步精度;利用稳健回归的时钟补偿方法,在野值比例不超过50%的情况下,相比于非稳健回归的时钟补偿方法,本方案的时钟同步误差最高降低了67%,有效地提高了时钟补偿过程抗野值干扰的能力。综上,本文提出的时钟同步方案满足无线网络时钟同步的需求,具有一定的应用价值。
蒋薇薇[7](2020)在《基于集成学习的有机物红外光谱定量回归方法研究》文中研究表明傅里叶变换红外光谱(Fourier Transform Infrared Spectroscopy,FTIR)技术已在农业、工业、食品、环境、制药等各个领域的定量分析中得到了广泛的应用。定量分析是红外光谱分析领域的核心问题之一,红外光谱定量分析是利用已获取的红外光谱及其对应的物理化学特征建立定量分析模型,并通过此模型对未知光谱对应的特征进行估计的一种方法。FTIR红外光谱结合化学计量学方法进行定量分析的过程中,异常样本的存在会显着降低模型的稳定性和预测精度;完整光谱中的噪声、无信息变量以及干扰波长会増加模型复杂度,影响模型的预测性能;此外,近年来深度学习算法的发展为红外光谱定量模型的建立提供了新的思路。本文针对以上几个问题开展了深入研究,完成的主要研究工作和成果总结如下:1)提出了一种改进蒙特卡洛采样的MCCV法识别异常样本。针对蒙特卡洛交叉验证(Monte Carlo Cross Validation,MCCV)均值-方差图法识别异常样本的过程中以等概率选取所有样本进入建模子集,以及采用经验值法设置阈值等问题,通过改变蒙特卡洛随机采样的样本集范围,保证仅正常样本作为建模子集,从而提高异常样本的识别率,同时对改进蒙特卡洛采样的MCCV法筛选出的可疑异常样本进行二次筛选,减少对正常样本的误判率。实验结果验证了改进蒙特卡洛采样的MCCV法的有效性。2)提出了一种移动窗口改进MCUVE-SPA的波长选择算法。针对蒙特卡洛无信息变量消除(Monte Carlo-Uninformative Variable Elimination,MC-UVE)串联连续投影算法(Successive Projections Algorithm,SPA)可能会造成孤立的波长点,利用分子光谱中的大多有效波长具有一定的连续性,使用移动窗口以优选的波长点为起点或中心改进算法,保留有效波长点的连续性,从而改善算法预测模型的精度。实验结果验证了该算法的有效性。3)提出了相关系数-组合区间偏最小二乘法(Correlation Coefficient-Si PLS,CC-Si PLS)。针对组合区间偏最小二乘(Synergy Interval PLS,Si PLS)算法不考虑区间内与组分信息无关的变量的缺点,首先优选出与目标组分信息相关度较高的波长变量,然后再将优选出的波长变量利用Si PLS进行组合区间变量的选择,进一步简化预测模型。实验结果验证了算法的有效性。4)针对光谱预处理对波长选择算法结果的影响进行研究。实验分析了5种预处理方法对波长选择结果的分布情况及所建模型预测情况的影响,结果表明不同的预处理方式和波长选择算法对选择波长的分布及建模效果均有影响。5)提出了一种基于Blending集成学习算法的红外光谱定量回归模型。针对深度学习在红外光谱定量分析领域应用较少,利用梯度提升决策树(Gradient Boosting Decision Tree,GBDT)、线性核函数支持向量机和高斯核函数支持向量机作为基学习器,将GDBT特征与支持向量机特征进行融合,并将其预测结果与GBDT模型和单核支持向量回归模型预测结果进行分析和对比。实验结果表明,集成学习Blending模型用于红外光谱定量回归具有较强的适用性、较高的预测精度和泛化能力。
史健[8](2020)在《多核空间下基于最大相关熵准则的稳健回归学习》文中研究说明本文旨在研究复杂数据的鲁棒建模问题,提出了一种多核稳健回归学习算法(RR-MCC-MK)。一方面在针对一些分布非平坦等情况的数据建模时,核方法中常见的单核方法遇到了挑战;另一方面当样本数据中包含非高斯噪声或异常值时,利用最小二乘方法建立的回归学习算法的性能表现不好,即模型的稳健性较差。因此在本文的设置中,回归学习的假设空间将基于由单核函数的线性组合构造的多核函数构建,回归学习优化策略中的损失函数将由最小二乘方法中的平方损失函数替换为最大相关熵诱导损失函数,在结构风险最小化的框架下建立回归学习算法。提出RR-MCC-MK算法后,本文给出了算法的理论分析。基于一种新的误差分解方法和一些合理的假设条件,通过建立算法的超额误差界得出RR-MCC-MK算法的学习率。两个函数模拟数据集和两个真实数据集上的算法实验评估了RR-MCC-MK算法的表现,实验证明了其较于两种对比算法的优越性。
张娟[9](2019)在《我国失能老人家庭照护支持及其影响因素研究》文中提出数量庞大而且增速较快的失能老人已引起国家的高度重视,老年相关社会政策出台频率也大幅增加,为各地规划失能老人服务明确了方向。在具体规划失能老人服务设施、人员和资金投入以及分配时,需要结合失能老人的家庭照护支持现状,明确失能老人家庭照护支持的影响因素,以优化配置老年服务资源。这将对我国及各地在“十三五”乃至今后更长时间内建设与完善“以居家为基础、社区为依托、机构为补充的多层次养老服务体系”有重要意义。论文首先对家庭照护相关理论和国内外失能老人研究进行了梳理,对失能老人、个人资本等相关概念进行了界定。在充分借鉴既往研究的基础上,选取“中国健康与养老追踪调查(CHARLS)”作为本研究的数据基础,通过数据的整理与清洗,共获取2015年CHARLS中65岁及以上失能老人样本973个进行研究分析。论文从人力资本、家庭资本以及社区资本三个方面阐述了失能老人基本情况,从家庭照护人员、照护时间和经济支持三个维度描述失能老人获得的家庭照护支持,并进一步比较了不同特征失能老人家庭照护支持差异性。研究发现:当前我国估计为1904.380万失能老人,其中约82%有人照护,照护人员以配偶和子女为主;平均每月家庭照护时间为241.519小时;家庭经济支持年平均水平为2870.900元。不同人力资本如年龄、性别、月收入、失能级别以及受教育程度和社区资本如经济区域的失能老人家庭照护存在显着差异;配偶、子女陪伴可以提升家庭照护质量。论文进一步根据研究数据特征分别选择了Softmax回归、非线性稳健回归以及随机森林模型对失能老人家庭照护支持的影响因素进行分析。发现:失能老人在迈向高龄或重度失能阶段时,照护人员、照护时间以及经济支持都随之增加;男性、文盲失能老人获得的照护支持更周全。配偶与子女陪伴以及子女优越收入可有效改善失能老人家庭照护支持水平。社区资本只与失能老人家庭照护时间显着相关,具体而言,农村失能老人家庭照护时间少于城镇,东、中、西部地区失能老人家庭照护时间少于东北地区。论文最后在充分借鉴英国、芬兰和日本失能老人家庭照护政策支持的基础上,结合论文研究结论,提出三点建议:因地制宜,加强失能老人家庭照护支持服务;依据需求,突出重点,多方位支持失能老人家庭;建立长期照护保障制度,责任分担,增加供给。
来周翔[10](2019)在《基于稳健线性回归的森林地类变化遥感监测》文中认为森林资源动态监测是森林资源管理的核心内容,是实现森林面积蓄积双增目标的重要信息支撑。我国已经初步建立了覆盖大陆地区和海南岛等区域的全国林地一张图,每年进行蓄积和林地数据更新。数据更新的一项重要工作是每年一次的全国性的林地变更调查。这项调查依托遥感图像计算机自动识别、人工解释和实地调查完成。随着遥感数据的不断丰富以及计算机技术的不断进步,计算机自动识别技术在变化监测中的应用变得越来越重要。在前后期的遥感数据中,没明显变化的占多数,发生明显变化的占少数,从统计学上说,变化的数据相当于“异常数据”。所以变化监测的核心是监测这些异常数据。稳健回归是监测异常值的一种重要方法。本文将稳健线性回归技术应用到森林地类的变化监测,以浙江省杭州市临安区为例,主要基于3个部分对森林地类进行变化监测:采用不处理、主成分变换、典型相关变换等3种方法进行数据预处理对比分析。在数据预处理基础上用稳健线性回归、普通最小二乘回归和差值等3种方法提取变化信息。将提取的变化信息作为特征变量,用二项逻辑回归、多元线性回归、支持向量机和BP神经网络等4种监督分类算法将前后期的地类分成变化和不变化两类,最终获得森林地类变化情况。结果表明,相较于普通最小二乘法,稳健线性回归在异常数据存在的情况下估计回归参数有更好的稳健性。稳健线性回归对数据预处理方法不敏感,普通最小二乘回归次之,图像差值法最敏感,尤其对于主成分变换的数据。基于稳健线性回归的12种结果的平均总精度、平均用户精度、平均生产者精度和平均Kappa系数均高于普通最小二乘回归和图像差值,平均总体精度和Kappa系数达到了98.65%和0.972。数据预处理方法中,典型相关变换对提高森林地类变化监测精度有一定帮助。4种判别方法中,二项逻辑回归的9种结果的平均精度最高,支持向量机最稳定,BP神经网络精度与支持向量机接近,多元线性回归表现最差。
二、非线性模型的稳健回归(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:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(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。
三、非线性模型的稳健回归(论文提纲范文)
(2)不确定性因素影响下基于应变数据的工程结构局部损伤表征研究(论文提纲范文)
摘要 |
ABSTRACT |
主要符号表 |
1 绪论 |
1.1 研究背景与意义 |
1.2 结构损伤识别的研究进展 |
1.2.1 数据驱动的结构损伤识别 |
1.2.2 基于模型的结构损伤识别 |
1.3 工程结构测试的应变传感技术研究进展 |
1.3.1 应变传感技术 |
1.3.2 基于应变传感技术的结构裂纹探测 |
1.3.3 基于应变传感技术的结构疲劳监测 |
1.4 基于应变测量数据的结构局部损伤表征 |
1.4.1 基于长期应变监测数据的结构局部损伤表征 |
1.4.2 基于短时应变测试数据的结构局部损伤表征 |
1.5 本文的研究思路与主要内容 |
2 基于应变测量数据的结构损伤特征提取与损伤识别分析 |
2.1 引言 |
2.2 基于应变测量数据的结构损伤敏感特征提取 |
2.2.1 静态应变的提取方法 |
2.2.2 模态应变的提取方法 |
2.2.3 小波包能量应变的提取方法 |
2.3 特征提取示例与损伤识别分析 |
2.3.1 简支梁结构及其损伤模拟 |
2.3.2 损伤识别结果与讨论 |
2.4 时变荷载影响下基于长期应变数据的损伤识别 |
2.4.1 桁架梁桥结构及其节点损伤模拟 |
2.4.2 基于相关性建模方法的损伤识别结果 |
2.4.3 进一步讨论 |
2.5 测试与建模误差影响下基于短时应变数据的损伤识别 |
2.5.1 模态应变的灵敏度分析与结构模型修正 |
2.5.2 基于递推估计方法的结构模型修正方法 |
2.5.3 基于正则化方法的结构模型修正方法 |
2.5.4 立管模型结构的数值模拟 |
2.5.5 损伤识别结果与讨论 |
2.6 本章小结 |
3 不确定性因素影响下基于应变数据的损伤预警与定位方法 |
3.1 引言 |
3.2 数据集简介 |
3.3 基于移动主成分分析的结构局部损伤预警方法 |
3.3.1 相关理论基础 |
3.3.2 基于主成分分析与相对熵的局部损伤特征提取 |
3.3.3 MPCA-RE损伤预警与定位算法 |
3.4 基于移动稳健回归分析的结构局部损伤预警方法 |
3.4.1 相关理论基础 |
3.4.2 基于稳健回归分析与能量特征的局部损伤特征提取 |
3.4.3 MRRA-EF损伤预警与定位算法 |
3.5 桁架梁桥节点损伤预警与定位的数值算例 |
3.5.1 桁架节点损伤预警与定位结果 |
3.5.2 传感器异常识别的探讨 |
3.6 高速铁路连续箱梁结构损伤预警与定位的数值算例 |
3.6.1 基于静态应变数据的主梁损伤预警与定位结果 |
3.6.2 基于动态应变数据的主梁损伤预警与定位结果 |
3.7 钢桁架结构损伤预警与定位的试验研究 |
3.7.1 试验模型与加载测试 |
3.7.2 钢桁架损伤预警与定位结果 |
3.8 本章小结 |
4 不确定性因素影响下基于应变数据的结构单元修正方法 |
4.1 引言 |
4.2 应变响应估计方法 |
4.2.1 基于增广卡尔曼滤波的应变响应估计方法 |
4.2.2 基于传递率的应变响应估计方法 |
4.3 应变响应估计方法的适用性分析 |
4.3.1 桁架数值模型 |
4.3.2 应变响应估计结果与讨论 |
4.4 基于应变响应估计与群智能算法的结构单元修正方法 |
4.4.1 单元修正的目标函数 |
4.4.2 人工鱼群算法及其改进方法 |
4.4.3 SRESI单元修正算法 |
4.5 立管模型结构单元刚度修正的数值算例 |
4.5.1 与L1正则化方法的对比结果 |
4.5.2 与AFS算法的对比结果 |
4.5.3 非模态响应条件下的单元刚度修正 |
4.6 桁架结构单元刚度修正的数值算例 |
4.6.1 应变响应估计的测点优化方法 |
4.6.2 桁架子结构的单元刚度修正结果 |
4.7 简支钢梁结构单元刚度修正的试验研究 |
4.7.1 试验模型与加载测试 |
4.7.2 初始模型的修正 |
4.7.3 简支钢梁单元修正结果 |
4.8 本章小结 |
5 不确定性因素影响下基于应变与位移数据的损伤识别方法 |
5.1 引言 |
5.2 基于应变与位移数据的结构损伤预警与定位方法 |
5.2.1 应变-位移损伤敏感特征分析 |
5.2.2 融合应变与位移特征数据的结构损伤识别算法 |
5.2.3 桁架梁桥节点损伤识别的数值算例 |
5.2.4 钢桁架结构损伤识别的试验研究 |
5.3 基于应变与位移数据的结构单元修正方法 |
5.3.1 基于位移测试的应变响应估计方法 |
5.3.2 联合应变与位移测试的结构单元修正算法 |
5.3.3 简支钢梁结构单元刚度修正的试验研究 |
5.4 工程结构的局部损伤识别指标体系 |
5.5 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 创新点 |
6.3 展望 |
参考文献 |
攻读博士学位期间科研项目及科研成果 |
致谢 |
作者简介 |
(3)基于自动观测的天文大地测量新方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 天文大地测量技术及应用研究进展 |
1.2.1 基本星表 |
1.2.2 观测仪器 |
1.2.3 测量方法 |
1.2.4 成果应用 |
1.3 研究路线及主要内容 |
1.3.1 研究路线 |
1.3.2 主要研究内容 |
第二章 基本理论方法及仿真平台构建 |
2.1 参考系和参考框架 |
2.1.1 天球参考系和天球参考框架 |
2.1.2 地球参考系和地球参考框架 |
2.1.3 天球参考系与地球参考系之间的转换 |
2.2 时间系统 |
2.2.1 常用的时间系统 |
2.2.2 时间系统的转换 |
2.3 坐标系统 |
2.3.1 天球坐标系 |
2.3.2 地球坐标系 |
2.4 天文定位定向基本原理 |
2.4.1 天体视位置计算 |
2.4.2 天文定位定向基本公式 |
2.4.3 天文定位定向误差分析 |
2.5 回归分析基本理论方法 |
2.5.1 随机变量 |
2.5.2 回归模型 |
2.5.3 回归显着性检验 |
2.5.4 回归诊断 |
2.5.5 回归参数估计方法 |
2.6 天文测量数据回归分析仿真平台构建 |
2.6.1 计算误差分析 |
2.6.2 回归方法选择 |
2.6.3 成果精度评定 |
2.7 本章小结 |
第三章 观测多颗近似中天星实现定位定向 |
3.1 中天星定位定向基本方法 |
3.1.1 纬度测定方法 |
3.1.2 经度测定方法 |
3.1.3 方位角测定方法 |
3.2 近似中天星高度差法测定纬度 |
3.2.1 基本原理 |
3.2.2 观测天体偏离中天位置引起误差分析 |
3.2.3 仿真数据分析 |
3.3 近似中天星方位角法测定经度 |
3.3.1 偏离中天位置引起误差分析 |
3.3.2 多颗子午星测定经度 |
3.3.3 多组子午星对测定经度 |
3.3.4 仿真数据分析 |
3.4 多星中天时角法精密测定天文方位角 |
3.4.1 分析变量间关系 |
3.4.2 确定回归模型 |
3.4.3 确定样本数量 |
3.4.4 建立回归方程 |
3.4.5 仿真数据分析 |
3.5 本章小结 |
第四章 观测多颗近似大距星实现定位定向 |
4.1 大距星定位定向基本方法 |
4.1.1 大距位置基本量间关系 |
4.1.2 纬度测定方法 |
4.1.3 经度测定方法 |
4.1.4 方位角测定方法 |
4.2 观测误差对计算结果的影响分析 |
4.2.1 时角误差的影响 |
4.2.2 方位角误差的影响 |
4.2.3 天顶距误差的影响 |
4.3 大距星对法测定天文方位角 |
4.3.1 大距星对法定向基本原理 |
4.3.2 传统大距星对法 |
4.3.3 改进的大距星对法 |
4.4 多颗近似大距星同步定位定向 |
4.4.1 观测方位角同步确定纬度和方位角 |
4.4.2 观测天顶距测定经度 |
4.4.3 仿真数据分析 |
4.5 本章小结 |
第五章 观测全天区星实现定位定向 |
5.1 多颗近似卯酉星同步定位定向 |
5.1.1 卯酉星对定位定向基本原理 |
5.1.2 近似卯酉星天区范围的确定 |
5.1.3 多颗近似卯酉星回归分析定位定向 |
5.1.4 仿真数据分析 |
5.2 多颗近似等高星同步定位定向 |
5.2.1 多星近似等高法同时测定经纬度 |
5.2.2 观测方位角同步定位定向 |
5.2.3 仿真数据分析 |
5.3 多颗任意位置星同步定位定向 |
5.3.1 天顶距回归分析 |
5.3.2 方位角回归分析 |
5.3.3 非参数—参数两步回归 |
5.3.4 仿真数据分析 |
5.4 自适应天文定位定向算法构想 |
5.4.1 确定观测星的天区范围 |
5.4.2 确定回归模型 |
5.5 本章小结 |
第六章 实验验证 |
6.1 近似中天星观测实验 |
6.1.1 观测数据质量分析 |
6.1.2 方位角差值与天顶距、赤纬间的相关分析 |
6.1.3 方位角组平均值回归分析 |
6.1.4 方位角单次观测值回归分析 |
6.1.5 多种方法计算方位角结果比较 |
6.1.6 经度计算 |
6.1.7 纬度计算 |
6.2 近似大距星观测实验 |
6.2.1 观测数据质量分析 |
6.2.2 大距星对法计算方位角 |
6.2.3 回归分析计算方位角和经纬度 |
6.3 近似等高星观测实验 |
6.3.1 传统方法计算结果分析 |
6.3.2 天顶距和方位角直接回归结果分析 |
6.3.3 粗差数据和时间因素对回归结果的影响分析 |
6.3.4 观测方位角零值分位回归结果分析 |
6.3.5 选择特定方位区间星回归分析 |
6.3.6 自动观测与人工观测的比较 |
6.4 本章小结 |
第七章 总结与展望 |
7.1 总结 |
7.2 展望 |
致谢 |
参考文献 |
作者简历 |
(4)稳健回归与度量学习方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与研究意义 |
1.2 稳健回归与度量学习研究概述 |
1.2.1 稳健回归模型的研究现状 |
1.2.2 度量学习模型的研究现状 |
1.3 本文研究工作概述与内容安排 |
2 低秩隐模式逼近模型 |
2.1 引言 |
2.2 距离模型 |
2.2.1 问题形式与模型建立 |
2.2.2 距离模型的求解 |
2.2.3 距离鉴别能力分析 |
2.3 回归模型 |
2.3.1 模型描述 |
2.3.2 求解算法 |
2.4 实验结果 |
2.4.1 AR人脸数据集上的实验 |
2.4.2 扩充的Yale B人脸数据集上的实验 |
2.4.3 CUFS人脸数据集上的实验 |
2.4.4 LFW与Pub Fig人脸数据集上的实验 |
2.4.5 Poly U掌纹数据集上的实验 |
2.4.6 Caltech-256数据集上的实验 |
2.4.7 运行时间对比 |
2.4.8 参数敏感性分析 |
2.5 本章小节 |
3 δ -范数及其稳健回归模型 |
3.1 引言 |
3.2 模型建立 |
3.2.1 δ -范数的定义 |
3.2.2 基于δ -范数的稳健回归 |
3.2.3 核空间内模型的求解 |
3.2.4 基于DRR模型的分类器与重建 |
3.2.5 多尺度形式的DRR模型 |
3.3 实验结果 |
3.3.1 核空间的欧式距离与表示系数的可视化 |
3.3.2 噪声环境下的生物特征图像识别 |
3.3.3 背景建模 |
3.3.4 目标识别 |
3.3.5 运行时间对比 |
3.3.6 参数敏感性 |
3.4 本章小节 |
4 对抗度量学习 |
4.1 引言 |
4.2 预备知识 |
4.3 模型建立 |
4.4 优化算法 |
4.4.1 收敛性分析 |
4.5 实验结果 |
4.5.1 合成数据集上的实验 |
4.5.2 分类实验 |
4.5.3 认证实验 |
4.5.4 参数敏感性 |
4.6 本章小节 |
5 数据自适应度量学习 |
5.1 引言 |
5.2 模型建立 |
5.2.1 符号约定 |
5.2.2 线性模型 |
5.2.3 核化模型 |
5.2.4 优化算法 |
5.3 实验结果 |
5.3.1 检索实验 |
5.3.2 分类实验 |
5.3.3 认证实验 |
5.3.4 参数敏感性 |
5.4 本章小节 |
6 曲线距离度量学习 |
6.1 引言 |
6.2 模型建立 |
6.2.1 符号约定 |
6.2.2 线性距离度量的一个几何解释 |
6.2.3 模型建立 |
6.2.4 优化算法 |
6.3 理论分析 |
6.3.1 拟合能力 |
6.3.2 泛化误差界 |
6.3.3 拓扑性质 |
6.4 实验结果 |
6.4.1 合成数据集上的可视化 |
6.4.2 分类实验 |
6.4.3 认证实验 |
6.4.4 聚类与检索实验 |
6.4.5 模型稳健性 |
6.4.6 参数敏感性 |
6.5 相关证明 |
6.6 本章小节 |
7 总结与展望 |
致谢 |
参考文献 |
附录 |
(5)枢纽型牵引变电所谐波特性分析及治理研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 牵引负荷谐波建模方法研究现状 |
1.2.2 枢纽型牵引变电所建模研究现状 |
1.2.3 枢纽型牵引变电所谐波特性研究现状 |
1.2.4 枢纽型牵引变电所谐波治理研究现状 |
1.3 论文主要工作 |
第2章 电力机车谐波输出特性分析及建模 |
2.1 牵引负荷谐波输出机理 |
2.1.1 交直型电力机车谐波输出特性 |
2.1.2 交直交型电力机车谐波输出特性 |
2.2 基于实测数据牵引负荷谐波特性 |
2.2.1 谐波幅频特性 |
2.2.2 谐波相频特性 |
2.2.3 谐波电压电流交互特性 |
2.3 牵引负荷谐波建模 |
2.3.1 基于实测数据的谐波诺顿等效模型 |
2.3.2 基于复线性稳健回归方法的模型求解 |
2.3.3 谐波模型及验证 |
2.4 本章小结 |
第3章 枢纽型牵引变电所谐波建模及潮流解析 |
3.1 枢纽型牵引供电系统谐波建模 |
3.1.1 计及背景谐波的外部电网模型 |
3.1.2 牵引变压器谐波模型 |
3.1.3 馈线线缆模型 |
3.1.4 供电线路模型 |
3.2 谐波潮流计算 |
3.3 算例分析 |
3.4 本章小结 |
第4章 枢纽型牵引变电所谐波特性分析 |
4.1 引言 |
4.2 牵引负荷运行条件对枢纽型牵引变电所谐波特性影响 |
4.2.1 牵引负荷位置对枢纽型牵引变电所谐波特性影响 |
4.2.2 牵引负荷行车密度对枢纽型牵引变电所的谐波特性影响 |
4.2.3 供电线路长度对枢纽型牵引变电所谐波特性影响 |
4.3 牵引负荷交互运行对枢纽型牵引变电所谐波影响 |
4.3.1 相同型号牵引负荷谐波交互运行 |
4.3.2 相同传动类型不同型号牵引负荷交互 |
4.3.3 不同传动类型牵引负荷交互 |
4.4 背景谐波对枢纽型牵引变电所谐波特性影响 |
4.4.1 不考虑背景谐波多牵引负荷混合运行 |
4.4.2 考虑背景谐波多牵引负荷混合运行 |
4.5 本章小结 |
第5章 枢纽型牵引变电所谐波治理研究 |
5.1 引言 |
5.2 无源滤波器类型及选择 |
5.3 枢纽型牵引变电所谐波治理方案 |
5.3.1 枢纽牵引供电系统谐波阻频特性分析 |
5.3.2 组合滤波器对系统阻频特性的影响 |
5.3.3 谐波治理方案设计及滤波效果评估 |
5.4 本章小结 |
结论及展望 |
致谢 |
附录 |
参考文献 |
攻读硕士学位期间发表的论文及科研成果 |
发表论文 |
参与科研项目 |
(6)无线网络时钟同步技术的研究与设计(论文提纲范文)
摘要 |
ABSTRACT |
注释表 |
缩略词 |
第一章 绪论 |
1.1 课题的研究背景及意义 |
1.2 国内外研究概况 |
1.3 论文的主要内容和创新点 |
1.3.1 论文的主要内容 |
1.3.2 论文的创新点 |
1.4 论文的组织结构 |
第二章 无线网络时钟同步相关技术 |
2.1 无线网络时钟同步技术基础 |
2.1.1 时钟同步影响因素 |
2.1.2 时钟同步性能指标 |
2.2 时钟的补偿方式 |
2.2.1 直接补偿 |
2.2.2 渐进补偿 |
2.3 无线网络领域时钟同步技术分类 |
2.3.1 传统无线网络时钟同步 |
2.3.2 源自有线网络时钟同步的外延同步技术 |
2.4 本章小结 |
第三章 时钟同步方案架构和验证平台设计 |
3.1 AS6802 在无线网络应用的可行性分析 |
3.1.1 AS6802 同步技术概述 |
3.1.2 AS6802 的优势分析 |
3.1.3 AS6802 应用于无线网络存在的问题 |
3.2 无线网络时钟同步方案架构设计 |
3.2.1 时钟同步技术方案工作原理 |
3.2.2 无线网络同步系统结构 |
3.2.3 无线网络同步帧设计 |
3.2.4 本方案与AS6802 的异同 |
3.3 无线网络系统仿真技术 |
3.3.1 OPNET |
3.3.2 基于OPNET的无线网络建模流程 |
3.4 时钟同步方案验证平台 |
3.4.1 MATLAB |
3.4.2 OPNET与 MATLAB联合仿真 |
3.5 本章小结 |
第四章 时钟跟踪阶段的设计和仿真 |
4.1 监测过程方案设计 |
4.2 锁定过程方案设计 |
4.2.1 锁定过程 |
4.2.2 固化算法 |
4.2.3 压缩算法 |
4.2.4 时钟误差算法 |
4.3 容错机制方案设计 |
4.4 时钟跟踪阶段数学建模及分析 |
4.4.1 监测过程数学建模 |
4.4.2 锁定过程数学建模 |
4.4.3 基于MATLAB的仿真分析 |
4.5 基于OPNET的模型设计 |
4.5.1 进程模型的设计 |
4.5.2 节点模型的设计 |
4.5.3 网络系统模型的设计 |
4.5.4 仿真参数配置以及相关功能实现 |
4.6 时钟跟踪阶段的仿真验证 |
4.6.1 监测过程仿真验证 |
4.6.2 锁定过程仿真验证 |
4.6.3 容错机制仿真验证 |
4.7 本章小结 |
第五章 时钟补偿阶段的设计和仿真 |
5.1 基于线性回归的时钟补偿建模和设计 |
5.1.1 时钟补偿函数建模 |
5.1.2 线性回归过程设计及问题分析 |
5.2 时钟补偿阶段的相关设计 |
5.2.1 局部加权的线性回归时钟补偿 |
5.2.2 抗野值点的稳健回归时钟补偿 |
5.2.3 时钟补偿阶段工作原理 |
5.3 时钟同步方案的仿真验证 |
5.3.1 基于局部加权时钟补偿的同步仿真 |
5.3.2 基于稳健回归时钟补偿的同步仿真 |
5.3.3 与其他同步方案结果对比 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 论文总结 |
6.2 工作展望 |
参考文献 |
致谢 |
在学期间的研究成果及发表的学术论文 |
(7)基于集成学习的有机物红外光谱定量回归方法研究(论文提纲范文)
致谢 |
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及选题意义 |
1.1.1 有机化合物定量检测 |
1.1.2 分子红外吸收光谱技术 |
1.1.3 FTIR分析技术 |
1.2 国内外研究现状 |
1.3 课题来源与主要研究内容 |
1.3.1 课题来源 |
1.3.2 本文主要研究内容 |
第二章 傅里叶变换红外光谱分析技术 |
2.1 引言 |
2.2 傅里叶变换红外光谱学 |
2.2.1 FTIR 光谱仪工作原理 |
2.2.2 干涉图和光谱图 |
2.2.3 朗伯比尔定律 |
2.2.4 红外吸收数据库 |
2.3 光谱预处理 |
2.3.1 常用的光谱预处理方法 |
2.3.2 基于小波变换的预处理方法 |
2.4 化学计量学方法 |
2.4.1 异常样本识别方法 |
2.4.2 校正集选取 |
2.4.3 波长选择算法 |
2.4.4 定量回归方法 |
2.5 实测数据采集 |
2.6 模型评价标准 |
2.7 本章小结 |
第三章 基于模型集群策略的奇异样本识别 |
3.1 引言 |
3.2 算法与理论基础 |
3.2.1 蒙特卡洛法 |
3.2.2 蒙特卡洛交叉验证法 |
3.2.3 标准化残差 |
3.3 改进蒙特卡洛采样法剔除异常样本 |
3.3.1 标准归一化 |
3.3.2 改进蒙特卡洛采样 |
3.3.3 疑似奇异样本二次检测 |
3.4 实验数据 |
3.4.1 Hawkins-Bradu-Kass数据 |
3.4.2 药片数据 |
3.4.3 玉米数据 |
3.5 Hawkins-Bradu-Kass数据集实验 |
3.6 药片光谱实验 |
3.6.1 最佳主成分数 |
3.6.2 奇异样本的识别 |
3.6.3 建模与分析 |
3.7 玉米光谱实验 |
3.7.1 异常样本诊断及预测结果比较 |
3.7.2 预测集异常样本分析 |
3.8 本章小结 |
第四章 基于串联策略的波长选择算法 |
4.1 引言 |
4.2 常用波长选择算法存在的问题 |
4.3 实验数据 |
4.3.1 玉米数据 |
4.3.2 柴油光谱数据 |
4.3.3 实测乙烯(C2H4)气体 |
4.4 移动窗口改进的MCUVE-SPA波长选择算法 |
4.4.1 MC-UVE |
4.4.2 SPA |
4.4.3 MCUVE-SPA-MW算法和原理 |
4.5 MCUVE-SPA-MW实验及分析 |
4.5.1 玉米光谱实验 |
4.5.2 柴油光谱实验 |
4.5.3 实测气体光谱实验 |
4.5.4 结果与讨论 |
4.6 串联策略改进SiPLS波长选择算法 |
4.6.1 算法介绍 |
4.6.2 玉米光谱实验 |
4.6.3 柴油光谱实验 |
4.6.4 结果与讨论 |
4.7 本章小结 |
第五章 预处理方法对波长选择算法的影响 |
5.1 引言 |
5.2 常见光谱预处理方法 |
5.3 实验及结果 |
5.3.1 实验数据 |
5.3.2 玉米光谱实验 |
5.3.3 柴油光谱实验 |
5.3.4 结果与讨论 |
5.4 本章小结 |
第六章 基于集成学习算法的定量回归模型 |
6.1 引言 |
6.2 集成学习算法理论 |
6.2.1 梯度提升决策树算法 |
6.2.2 支持向量回归 |
6.2.3 基于Blending集成学习的定量回归算法 |
6.3 实验数据 |
6.4 实验及分析 |
6.4.1 药片光谱实验 |
6.4.2 柴油光谱实验 |
6.4.3 结果与讨论 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 总结 |
7.2 研究展望 |
参考文献 |
攻读博士学位期间的学术活动及成果情况 |
(8)多核空间下基于最大相关熵准则的稳健回归学习(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 选题背景及意义 |
1.1.1 选题背景 |
1.1.2 研究意义 |
1.2 文献综述 |
1.2.1 核方法 |
1.2.2 稳健回归学习 |
1.3 研究内容与基本框架 |
1.3.1 研究内容 |
1.3.2 基本框架 |
1.4 本文的创新点 |
第2章 多核空间下基于最大相关熵准则的稳健回归 |
2.1 正则化回归学习 |
2.2 核化回归学习 |
2.2.1 单核回归学习 |
2.2.2 多核回归学习 |
2.3 多核稳健回归学习 |
2.3.1 RR-MCC-MK算法表述 |
2.3.2 RR-MCC-MK算法操作 |
第3章 误差分析 |
3.1 误差分解 |
3.2 误差估计 |
3.2.1 D的估计 |
3.2.2 S_1的估计 |
3.2.3 S_2的估计 |
3.3 RR-MCC-MK算法学习率分析 |
第4章 RR-MCC-MK算法实验分析 |
4.1 算法实验说明 |
4.1.1 相关说明 |
4.1.2 超参数设置 |
4.2 模拟数据集实验 |
4.2.1 数据介绍 |
4.2.2 实验结果分析 |
4.3 真实数据集实验 |
4.3.1 数据介绍 |
4.3.2 实验结果分析 |
第5章 总结与展望 |
参考文献 |
致谢 |
(9)我国失能老人家庭照护支持及其影响因素研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究目的与意义 |
1.2 研究综述 |
1.2.1 失能老人生存现状研究 |
1.2.2 失能老人照护需求研究 |
1.2.3 失能老人照护者研究 |
1.2.4 失能老人照护服务问题与对策研究 |
1.2.5 文献评述 |
1.3 家庭照护相关理论 |
1.3.1 血亲价值论 |
1.3.2 个人资本理论 |
1.4 研究内容、方法与思路 |
1.4.1 研究内容 |
1.4.2 研究方法 |
1.4.3 研究思路 |
1.5 可能的创新点 |
第二章 数据准备 |
2.1 数据来源 |
2.1.1 研究对象与抽样方法 |
2.1.2 调查方法 |
2.2 研究概念及其操作化 |
2.2.1 失能老人 |
2.2.2 个人资本 |
2.2.3 家庭照护支持 |
2.3 缺失值处理 |
2.3.1 缺失值分布 |
2.3.2 缺失值处理 |
第三章 失能老人家庭照护支持现状 |
3.1 失能老人基本情况 |
3.1.1 失能老人人力资本 |
3.1.2 失能老人家庭资本 |
3.1.3 失能老人社区资本 |
3.2 失能老人家庭照护人员 |
3.2.1 失能老人家庭照护人员分布 |
3.2.2 不同人力资本失能老人家庭照护人员比较 |
3.2.3 不同家庭资本失能老人家庭照护人员比较 |
3.2.4 不同社区资本失能老人家庭照护人员比较 |
3.3 失能老人家庭照护时间 |
3.3.1 失能老人家庭照护时间分布 |
3.3.2 不同人力资本失能老人家庭照护时间比较 |
3.3.3 不同家庭资本失能老人家庭照护时间比较 |
3.3.4 不同社区资本失能老人家庭照护时间比较 |
3.4 失能老人家庭经济支持 |
3.4.1 失能老人家庭经济支持分布 |
3.4.2 不同人力资本失能老人家庭经济支持比较 |
3.4.3 不同家庭资本失能老人家庭经济支持比较 |
3.4.4 不同社区资本失能老人家庭经济支持比较 |
3.5 本章小结 |
第四章 失能老人家庭照护支持影响因素分析 |
4.1 多因素分析模型选择标准 |
4.1.1 主要多因素分析模型比较 |
4.1.2 多因素分析模型性能度量标准 |
4.2 失能老人家庭照护人员影响因素分析 |
4.2.1 失能老人家庭照护人员影响因素分析模型选择 |
4.2.2 失能老人家庭照护人员影响因素Softmax回归模型分析 |
4.3 失能老人家庭照护时间影响因素分析 |
4.3.1 失能老人家庭照护时间影响因素分析模型选择 |
4.3.2 失能老人家庭照护时间影响因素非线性稳健回归模型分析 |
4.4 失能老人家庭经济支持影响因素分析 |
4.4.1 失能老人家庭经济支持影响因素分析模型选择 |
4.4.2 失能老人家庭经济支持影响因素随机森林模型分析 |
4.5 本章小结 |
第五章 国际失能老人家庭照护支持政策经验 |
5.1 英国家庭照护支持政策经验 |
5.1.1 英国老龄化发展 |
5.1.2 英国失能老人家庭照护支持政策 |
5.2 芬兰家庭照护支持政策经验 |
5.2.1 芬兰老龄化发展 |
5.2.2 芬兰失能老人家庭照护支持政策 |
5.3 日本家庭照护支持政策经验 |
5.3.1 日本老龄化发展 |
5.3.2 日本失能老人家庭照护支持政策 |
5.4 本章小结 |
第六章 结论与建议 |
6.1 主要结论 |
6.2 提升失能老人家庭照护支持研究建议 |
6.2.1 因地制宜,加强失能老人家庭照护支持服务 |
6.2.2 依据需求,突出重点,多方位支持失能老人家庭 |
6.2.3 充分借鉴国际失能老人家庭照护支持政策经验 |
6.3 研究不足与展望 |
参考文献 |
附录1 程序清单 |
附录2 问卷信息提取 |
附录3 攻读硕士学位期间撰写的论文 |
附录4 攻读硕士学位期间参加的科研项目 |
致谢 |
(10)基于稳健线性回归的森林地类变化遥感监测(论文提纲范文)
摘要 |
ABSTRACT |
1 引言 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 遥感变化监测研究现状 |
1.2.2 稳健线性回归在森林地类变化监测方面的研究现状 |
1.3 研究内容与数据 |
1.3.1 研究内容 |
1.3.2 研究技术路线 |
1.3.3 论文框架 |
2 研究区概况与数据 |
2.1 研究区概况 |
2.1.1 地理位置 |
2.1.2 气候概况 |
2.1.3 植被覆盖状况 |
2.1.4 地形地貌 |
2.2 数据 |
2.2.1 遥感数据 |
2.2.2 样点数据 |
3 研究方法 |
3.1 遥感图像预处理 |
3.1.1 主成分变换 |
3.1.2 典型相关变换 |
3.2 变化信息提取方法 |
3.2.1 图像差值 |
3.2.2 普通最小二乘回归 |
3.2.3 稳健线性回归 |
3.3 变化判别模型 |
3.3.1 二项逻辑回归 |
3.3.2 多元线性回归 |
3.3.3 支持向量机SVM |
3.3.4 BP神经网络 |
4 结果分析 |
4.1 变化监测结果比较 |
4.1.1 稳健线性回归和最小二乘回归比较 |
4.2 判别精度比较 |
4.2.1 总体判别精度比较 |
4.2.2 按数据预处理方法比较 |
4.2.3 按变化信息提取方法比较 |
4.2.4 按变化判别方法比较 |
4.3 变化监测结果图像比较 |
4.3.1 整体比较 |
5 结论与讨论 |
5.1 结论 |
5.2 讨论 |
5.3 创新 |
参考文献 |
附录1 各方法混淆矩阵 |
个人简介 |
导师简介 |
致谢 |
四、非线性模型的稳健回归(论文参考文献)
- [1]气候敏感的落叶松人工林林分生物量模型研究[J]. 何潇,徐奇刚,雷相东. 林业科学研究, 2021(06)
- [2]不确定性因素影响下基于应变数据的工程结构局部损伤表征研究[D]. 任鹏. 大连理工大学, 2020
- [3]基于自动观测的天文大地测量新方法研究[D]. 刘新江. 战略支援部队信息工程大学, 2020(03)
- [4]稳健回归与度量学习方法研究[D]. 陈硕. 南京理工大学, 2020(01)
- [5]枢纽型牵引变电所谐波特性分析及治理研究[D]. 赵越. 西南交通大学, 2020(07)
- [6]无线网络时钟同步技术的研究与设计[D]. 高翔. 南京航空航天大学, 2020(07)
- [7]基于集成学习的有机物红外光谱定量回归方法研究[D]. 蒋薇薇. 合肥工业大学, 2020(01)
- [8]多核空间下基于最大相关熵准则的稳健回归学习[D]. 史健. 浙江工商大学, 2020(05)
- [9]我国失能老人家庭照护支持及其影响因素研究[D]. 张娟. 南京邮电大学, 2019(03)
- [10]基于稳健线性回归的森林地类变化遥感监测[D]. 来周翔. 浙江农林大学, 2019(01)