数据拟合函数的最小二乘积分法

数据拟合的方法很多,每种方法各有特点.本文探讨了积分准则下的数据拟合函数的方法,称为最小二乘积分法,并给出了两个常用拟合函数具体形式.     

梯度下降法在沉积物粒度分布拟合中的应用

结合实测数据,以三个对数正态分布函数的和函数为拟合函数,以梯度下降法为主要方法,对沉积物粒度分布进行了数据拟合,通过数值实验我们发现:利用梯度下降法可以有效地优化分布函数的各参数,实现拟合残差的稳步持续减小,具有良好的可操作性,拟合效果是令人满意的,它为我们进行数据拟合提供了一条新的思路,同时此方法也可以推广到解决其他极值问题.     

加权几何平均变权组合预测方法及其应用

加权几何平均组合预测模型是一种常用的非线性组合预测方法.为了提高加权几何平均组合预测模型的预测和拟合精度,给出了一类加权几何平均变权重组合预测方法.最后将该变权组合预测模型应用于我国天然气产量的预测.计算结果表明加权几何平均变权重组合预测模型在时间序列数据的预测中具有一定的优势.     

居民收入分布函数的实证研究

收入分布函数的估计方法主要有参数估计法与非参数估计的方法.利用参数估计方法,依据黑龙江省及国家城镇居民人均可支配收入数据,分别采用极大似然法与分段计算分布总体中的参数,确定收入分布函数,然后根据分布函数与实际数据的拟合状况,验证黑龙江省及国家人均可支配收入服从对数正态分布,但是参数的确定方式决定了拟合的有效性.     

基于类高斯混合模型的水位规律研究

函数拟合是一种重要的数据挖掘技术.在本文中,我们将一个改进的高斯混合模型应用于水位变化规律的研究中,以便更好的做出水位预报.以洞庭湖流域安乡站点为例,首先将其近十年来的水位数据进行数据预处理,得出每年的满足损失函数极小化的类高斯混合模型,再构造超定线性方程组并且利用最小二乘法求得各年对应的权重,从而得到一个加权模型,最后对此模型进行了合理性检验,并提出了改进结果.     

风电功率波动特性的概率分布模型研究

为保证电网安全稳定运行,在大规模风电并网运行控制过程中,准确构建风电出力波动特性的概率分布模型具有重要意义.基于数据驱动的方法,采用加权高斯混合概率分布模型来拟合大规模风电基地的波动特性,模型拟合参数可采用基于期望最大化(Expectation Maximization,EM)的极大似然估计算法来获得,并提出了拟合评价指标来与其它多种概率分布模型进行对比,结果验证了加权高斯混合概率模型的有效性和适用性.     

总体最小二乘准则下非线性EV模型的参数拟合方法

在非线性回归模型参数拟合问题中,当数据中的每个变量都存在不可忽略的误差时,在普通的最小二乘准则下拟合出的参数不是最优的.按照总体最小二乘准则,以观测点到拟合曲线或拟合曲面垂直距离平方和为目标函数,然后用最优化方法搜索出使目标函数值取最小值的参数和数据点估计,从而给出求最优模型参数的算法,最后,通过计算机仿真和与文献比较,验证了提出方法的正确性.     

Logistic回归中的加权最小二乘估计

本文引入因变量是虚拟变量的回归模型 ,并通过logistic函数拟合这种模型 ,分析它在控制和预测方面的不足之处 .在此基础上提出用加权最小二乘估计回归方程 .模拟结果表明 ,此方法是可行的     

右删失数据下生存函数的随机加权估计

本文利用随机加权思想提出了右删失数据下生存函数的随机加权估计,证明了所给的随机加权估计的强相合性.     

删失指标随机缺失下一类非参数函数的加权局部多项式估计及其应用

本文在右删失数据中删失指标部分随机缺失下,构造了一类非参数函数的校准加权局部多项式估计以及插值加权局部多项式估计,并建立了这些估计的渐近正态性;作为该方法的应用,导出了条件分布函数、条件密度函数以及条件分位数的加权局部线性双核估计和插值加权局部线性双核估计,并且得到了这些估计的渐近正态性;最后,在有限样本下对这些估计进行了模拟.     

商业银行操作风险的度量——基于非参数方法

在损失分布方法的基础上,本文基于非参数方法对商业银行操作风险的度量进行了研究。非参数方法对损失额的分布不作过多的设定,避免了由于分布误设可能出现的偏差。古典的核密度估计对损失额拟合的效果不太好,特别是尾部的拟合效果更差。变换后的核密度估计的拟合效果比古典的核密度估计改善很多.基于变换后的核密度估计对商业银行操作风险损失度量可以得到不同置信水平的VaR与ES,并且不同置信水平的差距比较大。基于非参数与基于参数方法得到的各个置信水平的VaR与ES有一定差距。     

基于关联面积的变权组合预测方法及其应用

变权组合预测方法是一种应用非常广泛的组合预测方法,它能够有效提高组合预测方法的预测和拟合精度.为了提高拟合精度,利用各个单项预测方法与原始数据序列在两个相邻时刻的关联面积以及关联度,给出了一种确定变权组合预测模型变权重系数的方法.最后利用该变权重的组合预测模型建立了新疆建设兵团城镇化发展水平的变权组合预测模型,结果表明这类变权组合预测方法具有较高的预测和拟合精度.     

计算激波的高精度数值方法

在分析了数值解在激波附近产生非物理振荡的原因后,构造了一个三阶迎风紧致格式以及激波的捕捉技术,并且,提出一种称为准装配法的新的激波装配方法.一维流动的数值试验表明,新方法是非常令人满意的.     

基于趋势修正的灰预测模型优化研究

针对序列增长趋势不完全满足准指数规律时的灰色预测建模问题,提出基于GM(1,1)模型与序列增长趋势之间偏差修正的建模方法,将GM(1,1)模型还原式中的常数项作为灰变量处理,加入调整系数以缩小拟合值与实际值之间的增长趋势差异,利用灰色离散模型拟合调整系数的变化过程,将得到的调整系数拟合值带入原时间响应函数,进而得到趋势修正的原始序列拟合值;运用新的建模方法对南京市第三产业用电量进行拟合和预测,证明了方法有效提升了GM(1,1)建模精度,并且拟合序列和实际序列的灰色绝对关联度得到提高.     

无约束极值问题的拟合方法

我们在本文中从一个完全不同的观点提出了一个用于求解无约束最优化问题的拟合算法。算法中的迭代方向是从函数拟合中得到，而不是由传统的拟牛顿方程得到。此方法有许多好的性质，并且在较弱的假设下证明算法是线性收敛的。     

纵向数据半参数回归模型的估计方法

本文考虑纵向数据半参数回归模型,通过考虑纵向数据的协方差结构,基于Profile最小二乘法和局部线性拟合的方法建立了模型中参数分量、回归函数和误差方差的估计量,来提高估计的有效性,在适当条件下给出了这些估计量的相合性.并通过模拟研究将该方法与最小二乘局部线性拟合估计方法进行了比较,表明了Profile最小二乘局部线性拟合方法在有限样本情况下具有良好的性质.     

基于点线插值的离散最小二乘后处理方法

构造了一种基于点线插值有限元的后处理方法,这种后处理方法具有好的超收敛性和最小二乘的稳定性.     

A new multi-threshold image segmentation approach using state transition algorithm

Thresholding plays an important role in image segmentation and image analysis. In this paper, the normalized histogram of an image is fitted by a linear combined normal distribution functions and each normal distribution function represents a class of pixels, whereas the parameters like the mean, the variance and the weights in the fitting function are undetermined. By transforming the fitting problem into a nonlinear and non-convex optimization problem, the state transition algorithm (STA) which is a new global optimization method is used to choose the optimal parameters of the fitting function. The effectiveness of proposed approach in multilevel thresholding problems is tested by several experimental results. By comparing with OTSU, particle swarm optimization (PSO), genetic algorithm (GA) and differential evolution (DE) algorithm, it has shown that STA has competitive performance in terms of both optimization results and thresholding segmentation.     

基于离散点和法矢的曲线重构算法

This paper presents a curve reconstruction algorithm based on discrete data points and normal vectors using B-splines.The proposed algorithm has been improved in three steps:parameterization of the discrete data points with tangent vectors,the B-spline knot vector determination by the selected dominant points based on normal vectors,and the determination of the weight to balancing the two errors of the data points and normal vectors in fitting model.Therefore,we transform the B-spline fitting problem into three sub-problems,and can obtain the B-spline curve adaptively.Compared with the usual fitting method which is based on dominant points selected only by data points,the B-spline curves reconstructed by our approach can retain better geometric shape of the original curves when the given data set contains high strength noises.