- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
统计建模方法的理论研究及应用.doc
统计建模方法的理论研究及应用
论文摘要: 在当今信息时代,各种统计方法层出不穷,统计知识得到越来(略)例如,统计的多尺度建模无论是在理论统计学还是在应用统计学中现都已成为热门课题,这无论对统计方法还是其在各个应用科学领域的发展都起着冲击作用;基于核的学习方法引起了数据分析领域的一场革命;广义可加模型高度的灵活性,为有效揭示数据间所隐含的各种关系提供了一种有效的方法.在化工领域,一个有效的过程模(略)研究如何科学规划生产工艺,进而实现生产过程的优化意义重大. 针对常规预测函数模型存在未将预测时域的优化从总体上考(略)统计的多尺度建模方面研究后,基于小波多尺度的特性而提出了基于小波基函数和Hammerstein模型的预测函数模型,其内部模型参数可以通过不断辨识,自适应的进行校正.利用小波的紧支局部性和多尺度分析(略)了整体误差性能的优化,又突出了重要拟合点的逼近要求,并实现了优化变量的集结.理论分析和仿真应用表明,该方法有更好的跟踪性和抗模型失配性能. ⒈针对如何提高核方法的建模精度的同时还要兼顾建模速度的问题,通过核方法研究,结合小波分析的理论,提出了小波融合核的建模(略)具有小波多分辨率分析和核方法对输入...
In todays information age, the statistical knoitted)sed more and more ent of statistic methods emerging i(omitted)ss stream. The multi-scale modelling of statistics has been a hot subject itted)cs pacts both the statistical methods and the development in all fields of (omitted)he study methods based on kernel method have resulted in(omitted)ion in the field of data analysis. The high mobility of general...
目录:摘要 第3-5页
Abstract 第5-6页
第1章 绪论 第10-18页
选题意义 第10-11页
统计建模国内外研究现状 第11-15页
小波分析在统计领域的研究概况 第11-12页
核方法的研究概况 第12-13页
广义可加模型(GAM)的研究概况 第13-14页
统计语言R 的发展概况 第14-15页
本论文的主要研究内容和章节安排 第15-18页
主要研究内容 第15页
章节安排 第15-18页
第2章 基于小波基的预测函数模型 第18-30页
引言 第18页
小波变换 第18-21页
小波变换的定义 第18-20页
小波变换的特点 第20-21页
db 小波 第21页
基于小波基函数和Hammerstein 模型的预测函数模型 第21-25页
原理图 第21-22页
内部模型的自适应性 第22-24页
滚动优化 第24-25页
误差校正 第25页
基于小波基函数和Hammerstein 模型的预测函数模型算法的实现 第25-27页
仿真研究 第27-29页
本章小结 第29-30页
第3章 基于小波与核方法的统计模型研究 第30-64页
引言 第30页
核方法模型中参数的确定 第30-42页
本节引述 第30-31页
蚁群算法的原理及改进 第31-33页
支持向量回归机 第33-37页
实现基于蚁群算法的SVM 参数的选择 第37-40页 (责任编辑:1011)
原创力文档


文档评论(0)