期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
多元线性回归模型的增量算法 被引量:3
1
作者 王惠文 魏嫄 黄乐乐 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2014年第11期1487-1491,共5页
伴随着各领域信息化的发展,数据多呈现出快速、连续流入的特点.面向海量不断更新的数据集,在具有广泛使用价值的线性回归模型中,考虑引入增量算法.通过基于叉积矩阵的增量计算公式,得到最小二乘估计模型的增量算法,并进一步扩展到其他... 伴随着各领域信息化的发展,数据多呈现出快速、连续流入的特点.面向海量不断更新的数据集,在具有广泛使用价值的线性回归模型中,考虑引入增量算法.通过基于叉积矩阵的增量计算公式,得到最小二乘估计模型的增量算法,并进一步扩展到其他的模型估计量和检验统计量中.该增量算法运用了全部的数据信息,与使用全部数据建模具有完全相同的结果.算法节约了数据读取时间,减小了数据存储传输的压力,从而提高了计算效率.数据仿真实验验证了算法的有效性. 展开更多
关键词 线性回归模型 增量算法 叉积阵 估计 检验
在线阅读 下载PDF
一种新的多角度人脸表情识别方法 被引量:8
2
作者 何俊 何忠文 +1 位作者 蔡建峰 房灵芝 《计算机应用研究》 CSCD 北大核心 2018年第1期282-286,共5页
传统的多角度人脸表情识别方法是对角度特殊的样本采用角度特殊的分类器识别,该方法忽略了不同角度的人脸表情是相同的人脸表情的不同表现形式,而且传统的多角度人脸表情特征提取时间较长以及不能满足增量更新的要求,基于此,提出了一种... 传统的多角度人脸表情识别方法是对角度特殊的样本采用角度特殊的分类器识别,该方法忽略了不同角度的人脸表情是相同的人脸表情的不同表现形式,而且传统的多角度人脸表情特征提取时间较长以及不能满足增量更新的要求,基于此,提出了一种新的多角度人脸表情识别方法。该方法首先提取回归模型的增量修正特征,然后用PCA进行特征选择,最后采用判别共享高斯过程隐变量模型识别多角度人脸表情。在CMU-PIE和LFPW数据库上的对比实验表明了该方法较传统的多角度人脸表情识别方法好。 展开更多
关键词 多角度人脸表情识别 增量修正 并行级联线性回归 特征提取 高斯过程隐变量模型
在线阅读 下载PDF
基于一种增量式一元线性回归模型的自适应逆控制 被引量:1
3
作者 李力争 何清华 《系统工程与电子技术》 EI CSCD 北大核心 2002年第10期53-55,115,共4页
为受控系统提出了一种简便实用的增量式一元线性回归模型。为了跟踪快时变参数 ,提出了一种滚动多模型加权平均参数估计算法。在参数估计和系统控制的过程中运用智能技术 ,使估值更可靠 ,并形成了以基于该模型的自适应逆控制为主、常规... 为受控系统提出了一种简便实用的增量式一元线性回归模型。为了跟踪快时变参数 ,提出了一种滚动多模型加权平均参数估计算法。在参数估计和系统控制的过程中运用智能技术 ,使估值更可靠 ,并形成了以基于该模型的自适应逆控制为主、常规控制为辅的多模态控制方式。仿真结果表明 ,这一控制方式对于控制非线性和时变系统非常有效。 展开更多
关键词 增量式 一元线性 回归模型 自适应逆控制 非线性系统 参数估计 自适应逆控制
在线阅读 下载PDF
长三角地区冬季霾污染日数的季节预测 被引量:7
4
作者 董莹 尹志聪 段明铿 《大气科学学报》 CSCD 北大核心 2021年第2期290-301,共12页
将霾日数年际增量作为预测对象、前期外强迫因子作为自变量,分别运用多元线性回归方法和广义相加模型建立长三角地区冬季霾日数预测模型。综合考察“去一法”交叉验证和循环独立样本实验的结果,选出适用于各个模型较优的建模方法,并对... 将霾日数年际增量作为预测对象、前期外强迫因子作为自变量,分别运用多元线性回归方法和广义相加模型建立长三角地区冬季霾日数预测模型。综合考察“去一法”交叉验证和循环独立样本实验的结果,选出适用于各个模型较优的建模方法,并对比长三角地区冬季霾日数预测模型(MODEL1)和长三角地区冬季霾日数分月预测模型(MODEL2)。MODEL1、MODEL2的均方根误差(解释方差)分别为2.69(80.01%)、2.76(79.04%),两类模型均能成功捕捉霾日数的年际-年代际趋势和极值。MODEL2预测的霾日数距平同号率(97.3%)优于MODEL1(86.49%),具有良好的距平符号捕捉能力。MODEL1采用11月之前的外强迫因子,可提前一个季度预测冬季霾日数;MODEL2采用更新的外强迫因子,可不断预测每月霾污染状况。通过两类模型组合使用,可更准确预测长三角地区冬季霾日数,为霾污染治理提供可靠的科技支撑。 展开更多
关键词 霾污染 年际增量 多元线性回归 广义相加模型 短期气候预测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部