回归估计

摘要： 比率估计与回归估计是利用辅助变量信息用以提高估计精度的非常重要的抽样技术。但在文献中,还没有方便的可以用于在仅给定基本的样本数据时得出总体均值与总体总值的比率估计量与回归估计量及其标准误差和置信区间的通用的R函数(程序)。本文自编了五个通用的R函数(程序):Compute_R_ratio()、Compute_Y_bar_Y_MR()、Compute_Y_bar_Y_ratio()、Compute_Y_bar_Y_lr()及Compute_Y_bar_Y_Rs_Rc_lrs_lrc(),它们将会为需要使用比率估计及回归估计抽样技术以提高估计精度进行实际问题分析的使用者提供极大的方便。

摘要： 生物量是林业生产和森林生态研究中非常重要的信息,广泛应用于林地生产力评估、碳汇计算、森林火险风险普查等领域,森林地上生物量估测一直是研究的热点。总结了常见森林地上生物量估测方法,传统的生物量估测方法虽然准确,但费工费时,现阶段随着科技的发展,测定地上生物量的方法越来越多,如光学遥感、微波遥感、激光雷达。通过以上技术收集来的数据,可用来拟合生物量模型,这些方法在估测地上生物量工作中展现了极高的效率,但精度一般。最新的研究体现在,通过多源遥感数据估测森林地上生物量,能提供更加丰富的林地信息,对于提高估测模型精度及准确性有极大的促进作用,也是今后遥感估测生物量的主要发展趋势。

摘要： 表情强度估计是面部表情分析的重要组成部分,是实现人机自然情感交互的关键技术.表情强度估计面临的主要挑战在于缺乏大量的有标签数据,难以通过有监督的方法来估计表情强度.尽管基于排序的方法能够解决这一问题,但是排序方法只能估计表情的相对强度,无法估计表情的绝对强度.为了解决上述问题,提出了一种融合排序与回归的卷积神经网络用于表情强度估计.其中,排序卷积神经网络采用孪生网络结构,用于学习序列中任意两帧图像的相对强弱关系;孪生网络的每一个子网采用回归卷积神经网络,用于学习有强度标签的样本,从而估计表情的绝对强度.为了验证方法的有效性,在公共数据集PAIN和CK+上进行了实验.实验结果表明,提出的方法在弱监督的条件估计表情强度的各项结果(PAIN数据集上PCC,ICC和MAE分别为0.655 l,0.529 3和0.924 1,CK+数据集上PCC,ICC和MAE分别为0.7391, 0.721 6和0.1875),均优于现有的方法.

摘要： 本文以某一社区居民用于食物消费的支出为例,验证简单随机抽样下简单估计、比估计和回归估计的效率.结果显示,回归估计精度最高,比估计精度较差,简单估计精度最差.

摘要： In order to solve the problem of power consumption management for special transformer users,a piecewise linear model was proposed to forecast the monthly average electricity consumption ratio data of special transformer users and to realize the goal of saving the energy consumption. With the N point length data segmentation, the piecewise linear model was updated and generated, and the average electricity consumption ratio data for the next month were estimated. When the segmentation point length N was from 4 to 8,the forecast accuracy difference of piecewise linear model was analyzed and discussed. The actual power consumption data for a special transformer user from 2015 onwards were forecasted and analyzed, and the error between the forecast values and actual data was compared and verified. The results show that when the optimal modeling point length N is 6,the proposed model has the minimum average prediction error.%针对专变用户数量激增引起的用电配给管理问题,提出一种分段线性模型来预测专变用户月平均用电占比数据,实现节能配给的目标.采用N点长数据分段更新生成分段线性模型,从而估计得到下一个月的平均用电占比数值.讨论分析了分段点长N分别取4~8时,分段线性模型预测精度的差异.针对某专变用户2015年以来的实际用电数据进行预测分析,比较验证了预测数值和实际数据之间的误差.结果表明,当最优建模点长N=6时,模型的平均预测误差最小.

摘要： 随机化回答技术是进行敏感性问题调查和推算总体特征比例的一种有效方法.通过在随机化回答技术中使用辅助信息,可以提高估计量的精度,从而得到更为合理的调查结果.在随机化回答技术中引入两个辅助信息,提出比方法和比方法与回归方法组合的两种估计量,计算了这两种估计量的均方误差,并通过数值计算验证了两种估计量的合理性.%Randomized response technique is an effective method for the sensitive question survey and the proportion of population characteristic calculation.By using the auxiliary information in randomized response technique, the accuracy of estimator is improved, and survey result can be obtained more reasonably.In this paper, two auxiliary information is introduced in randomized response technique propose, and the ratio method estimator and ratio method combined with regression method estimator are proposed, then the mean square error of these two estimators is calculated, finally the rationality of these two estimators is verified by numerical calculation.

摘要： 采用简单随机抽样、PPS抽样、比率估计、回归估计及分层抽样对我国谷物产量进行了估计.通过比较发现:PPS抽样精度最好,其次是比率估计,再者是回归估计,分层抽样效果较差,而简单随机抽样精度最差.

摘要： 目前遥感技术越来越广泛地应用于农作物面积的估算,本文研究了基于高分辨率卫星影像的农作物面积测量技术,提出一种冬小麦种植面积估算模型.该模型采用最大似然法对遥感影像进行监督分类,利用耕地矢量数据优化分类结果,结合高分辨率样本村数据拟合估算冬小麦种植面积.以泗洪县为研究区,采用GF-1卫星数据完成了泗洪县冬小麦面积提取实验,验证了该模型的有效性.

摘要： 随着农业统计需求和遥感技术的发展,中国农业部即将使用中分辨率遥感数据开展中国主要农作物的全覆盖遥感调查,如何修正全覆盖调查结果使其更接近农作物面积真值是需要研究的问题.以水稻为例,在区域尺度上利用基于样本无人机数据解译得到的水稻种植面积修正基于中分辨率数据解译得到的水稻种植面积,分别比较分层分别回归估计和分层合并回归估计,利用基于全覆盖无人机数据解译得到的水稻种植面积验证回归估计值.在给定5％误差和95％置信水平下,抽样比为0.36％(最小样本量公式换算)的抽样结果表明:(1)2种方法的估计精度都大于95％;(2)合并比估计的精度好于分别比估计.

摘要： In this study,the three provinces in Northeast China were used as the research object and the hypothesis was put forward.① Expansion of urban scale leads to an increase in energy consumption and improving urban compactness can reduce energy consumption.② In the process of city scale expansion,the reduction of the compact degree leads to the reduction of the energy utilization rate and the increase of the energy consumption.Based on the hypothesis,the evaluation index system of the measurement of city size and compactness were built.Then the data was divided into three groups to implement the analysis with the help of Eviews.The first set of explanatory variables are the indicators of city size and urban compactness.Second sets of explanatory variables are average energy consumption.Third sets of data are the city size and compactness of the first level indicators.Regression results show that urban energy consumption increases with the increase of the scale of the city.So improving the compactness of the city has a certain practical significance to reduce the energy consumption of the city.%本研究以东北三省为研究对象,提出假设:①城市规模的扩大导致能源消耗增加,提高城市紧凑度可以降低能源消耗;②城市规模扩张的过程中紧凑度降低导致能源利用率降低,能源消耗增加.在假设的基础上构建度量城市规模和城市紧凑度的评价指标体系,应用计量经济学的回归估计方法,借助Eviews分析软件,对堆积数据分三组进行分析,第一组的解释变量为所有省份的城市规模和城市紧凑度的一级指标,被解释变量为能源消耗总量,第二组的解释变量为所有省份的二级统计指标,被解释变量为人均能源消耗,第三组为分省份的城市规模和紧凑度一级指标,被解释变量为能耗总量.回归结果显示,城市能源消耗随着城市规模的扩大而增加,提高城市紧凑度对降低城市能耗具有一定的现实意义,然而不同的城市由于空间结构和发展模式不同,提高紧凑度对抑制能源消耗的作用强度不同,在空间上表现出较大差异.

摘要： 本文对抽样调查多元回归估计方法进行了探讨。文章分别阐述了加权多元回归估计法和直接多元回归估计法，并通过举例进行了比较分析。

摘要： 用相异非零正实数表示不同样本模式,通过非线性映射把样本映射到特征空间,在特征空间中确定一变量系数及偏置待定的线性映射表示样本与模式实数间对应关系,映射输出为零所确定的面作为参考基准.在保证映射输出与样本模式尽力接近约束下,增大不同模式样本相对参考基准面的距离差,该目标对应优化函数与支持向量机(SVM)用于回归估计(SVR)求解的目标函数形式一致,故可类似SVR求法得到映射各待定参数.用IRIS数据对该分类器的测试结果显示:分类准确率优于LVQ神经网络方法,同其它SVM多类分类法比,识别速度快,准确率较高,接近DAGSVM(按照决策定向非循环图组织SVM的多类分类器)准确率.

摘要： 用归一化差分植被指数(NDVI)和空气相对湿度构造了森林火险综合指数。将支持向量机(SVM)方法用于森林火险预报预测试验，利用气象资料和卫星遥感资料，建立甘肃省林区森林火险分类推理模型和回归推理模型，并进行相应的预报试验。试验结果显示：分类推理模型具有良好的预报能力，预报效果明显优于传统的逐步回归方法；回归推理模型预报效果与逐步回归方法相差无几。

摘要： 用归一化差分植被指数(NDVI)和空气相对湿度构造了森林火险综合指数。将支持向量机(SVM)方法用于森林火险预报预测试验，利用气象资料和卫星遥感资料，建立甘肃省林区森林火险分类推理模型和回归推理模型，并进行相应的预报试验。试验结果显示：分类推理模型具有良好的预报能力，预报效果明显优于传统的逐步回归方法；回归推理模型预报效果与逐步回归方法相差无几。

摘要： 用归一化差分植被指数(NDVI)和空气相对湿度构造了森林火险综合指数。将支持向量机(SVM)方法用于森林火险预报预测试验，利用气象资料和卫星遥感资料，建立甘肃省林区森林火险分类推理模型和回归推理模型，并进行相应的预报试验。试验结果显示：分类推理模型具有良好的预报能力，预报效果明显优于传统的逐步回归方法；回归推理模型预报效果与逐步回归方法相差无几。

摘要： 用归一化差分植被指数(NDVI)和空气相对湿度构造了森林火险综合指数。将支持向量机(SVM)方法用于森林火险预报预测试验，利用气象资料和卫星遥感资料，建立甘肃省林区森林火险分类推理模型和回归推理模型，并进行相应的预报试验。试验结果显示：分类推理模型具有良好的预报能力，预报效果明显优于传统的逐步回归方法；回归推理模型预报效果与逐步回归方法相差无几。

摘要： 用归一化差分植被指数(NDVI)和空气相对湿度构造了森林火险综合指数。将支持向量机(SVM)方法用于森林火险预报预测试验，利用气象资料和卫星遥感资料，建立甘肃省林区森林火险分类推理模型和回归推理模型，并进行相应的预报试验。试验结果显示：分类推理模型具有良好的预报能力，预报效果明显优于传统的逐步回归方法；回归推理模型预报效果与逐步回归方法相差无几。

摘要： 支持向量机(SVM)是一种基于结构风险最小化原理的机器学习技术,也是一种新的具有很好泛化性能的回归方法.本文研究了利用支持向量机进行系统辨识的新方法,并进行了仿真实验,结果验证了所提出的方法的正确性和有效性。

摘要： 支持向量机(SVM)是一种基于结构风险最小化原理的机器学习技术,也是一种新的具有很好泛化性能的回归方法.本文研究了利用支持向量机进行系统辨识的新方法,并进行了仿真实验,结果验证了所提出的方法的正确性和有效性。

摘要： 支持向量机(SVM)是一种基于结构风险最小化原理的机器学习技术,也是一种新的具有很好泛化性能的回归方法.本文研究了利用支持向量机进行系统辨识的新方法,并进行了仿真实验,结果验证了所提出的方法的正确性和有效性。

摘要： 公开了估计电池的充电状态(SoC)的方法和系统。方法在给定了一组电池状态历史测量物理量和电池的SoC的对应的一组历史值的情况下确定SoC值的第一联合高斯分布。方法使用一组历史测量物理量和SoC的对应的一组历史值、电池的当前测量物理量以及第一联合高斯分布来确定SoC的该第二联合高斯分布。最后，方法根据该第二联合高斯分布确定电池的SoC的当前值的均值和方差。该均值是电池的当前SoC的估计，并且该方差是该估计的置信度。

摘要： 公开了估计电池的充电状态(SoC)的方法和系统。方法在给定了一组电池状态历史测量物理量和电池的SoC的对应的一组历史值的情况下确定SoC值的第一联合高斯分布。方法使用一组历史测量物理量和SoC的对应的一组历史值、电池的当前测量物理量以及第一联合高斯分布来确定SoC的该第二联合高斯分布。最后，方法根据该第二联合高斯分布确定电池的SoC的当前值的均值和方差。该均值是电池的当前SoC的估计，并且该方差是该估计的置信度。

摘要： 本发明公开了一种基于相关向量回归估计的软件失效时间预测方法，它对软件失效时刻与在它之前的m个失效时刻数据进行学习从而捕捉失效时刻之间的内在依赖关系,由此构建基于相关向量机软件可靠性预测方法。由于充分考虑了软件可靠性预测的小样本特性，采用核函数技术能克服观测变量多于观测样本数的情形以及变量之间存在的多重共线性，因此不会出现神经网络等建模方法所产生的模型“过拟合”情况。在新预测方法中，随着软件失效不断发生，模型参数将不断自动调整以适应失效过程的动态变化，从而实现软件可靠性的自适应预测，有效提高软件失效预测模型的适应能力。

摘要： 本发明涉及一种基于分层回归估计的卷烟社会库存估计方法，该方法包括以下步骤：1)采用分层抽样的方法建立样本；2)对各个层做出回归估计值；3)累加各个层的回归估计值，从而获得总社会库存估计值。本发明通过对零售样本数据的分析，并采用分层回归估计方法，以样本数据中的订单量作为辅助变量，分别对各个层的社会库存做出估计修正，然后将各个层的估计数据累计，得到修正后的整体的卷烟社会库存估计值。本发明估计方法使得社会库存估计量更加的科学、可信。在对其它的商业数据做调查时，同样可以通过小样本量的抽样数据，结合一些辅助变量对估计值做出修正，有事半功倍的效果。

摘要： 本公开提出了基于天牛须辨识的蓄电池荷电状态自回归估计方法及系统，考虑状态时序相关性，构建基于带外部输入的非线性自回归神经网络作为蓄电池荷电状态估计模型；采用基于天牛须搜索的启发式群体智能算法对所建立的荷电状态估计模型进行参数辨识，实现蓄电池的实时荷电状态的估计。本公开综合考虑输入/输出时序相关性、隐层神经元个数等模型拓扑参数的加权影响，实现了模型拓扑参数与神经网络权值参数的协同辨识优化，能够在降低所述蓄电池荷电状态回归估计辨识模型复杂度的同时，提升铅酸蓄电池荷电状态估计精度。

摘要： 本发明公开了一种基于小样本CSI指纹的室内终端到达角回归估计方法，在多发多收(MIMO)双端通信系统中，调整小样本CSI指纹库特征参照：以一定路径规划下，天线之间CSI相位差在不同角度下的特征作为数据媒介，并根据实际角度建立权值标签与指纹建立样本集合；搭建多层感知机(MultilayerPerceptron，MLP)回归器进行回归分析提取高维特征映射，联合角度标签进行线性回归预测输出未知样本到达角，以减少数据预采集工作量和资源消耗，具有较高估计精度和较低定位成本。

摘要： 本发明公开了一种面向光网络传输质量回归估计的主动学习方法，基于预测不确定性感知构建信息量估计模型，通过预测模型对特定配置参数对应GSNR估计值的概率分布，计算信息熵以筛选信息量更大，更具代表性的样本，迭代地选择对GSNR的精确估计最有价值的样本扩展数据集，以尽可能少的样本表征更全面的数据集信息，提高模型的泛化性能。本发明的方法在可监测GSNR实例的光路数量受限的条件下，可以用尽可能少的训练样本实现更精确的QoT估计，有效提升了小样本条件下QoT估计模型的预测精度，降低了达到目标性能所需的光路实例，有效减少了光网络资源的浪费。

摘要： 本发明公开了一种使用高斯过程回归估计电池充电状态的方法和系统，包括以下步骤：A、传感器组采集电池充电过程中的参数，包括充电温度，充电电压和充电电流；B、传感信号采集单元采集传感器组采集的参数后进行优化处理，并通过AD转换模块将模拟信号转换为数字信号；C、控制器接收到数字信号后根据温度值、电压值、电流值构建训练样本集；D、基于训练样本集学习出高斯过程回归模型；E、最后输出估算值，本发明采用的估算方法能够实现对电池充电状态的充电参数进行高精度估算，误差小，能够有效的提高后续数据处理效率。

摘要： 一种核回归估计器的最优权重选取方法、相关设备和存储介质，其中，该方法包括：获取核回归估计器的预测表达式，所述预测表达式根据核回归估计器的训练集、权重以及核函数间的关系确定得到；所述训练集包括随机变量

摘要： 本发明公开了一种基于MBN的铁磁性材料屈服强度参数逐步回归估计方法，通过逐步回归建模的方法，寻找MBN信号特征值与材料屈服强度之间的映射关系。逐步回归的基本思想是将变量逐个引入模型，每引入一个解释变量后都要进行F检验，并对已经选入的解释变量逐个进行t检验，当原来引入的解释变量由于后面解释变量的引入变得不再显著时，则将其删除，以确保每次引入新的变量之前回归方程中只包含显著性变量。确定MBN信号特征值与材料屈服强度之间的映射关系后，直接由MBN信号特征值来估计铁磁性材料屈服强度参数。本发明实现铁磁性材料屈服强度的无损评价，避免了传统上为获得屈服强度指标进行离线拉伸而造成的资源浪费。