回归函数

摘要： 依托某隧道工程,基于施工期监控量测数据,对选取断面进行了地表沉降研究分析,分析表明隧道围岩扰动最大影响范围位于隧道顶部上方;隧道上下台阶转换工序过程造成的围岩应力再次扰动和分布,影响围岩形变变化较大。通过对选取断面的拱顶下沉和周边收敛数据分析可知,依托工程隧道的初期支护可以支挡围岩再次扰动和分布带来的位移形变。通过对累计位移曲线的拟合分析,可知拱顶下沉和收敛变形回归函数宜采用对数函数。

摘要： 水温度与水密度之间的函数关系通常由实测经验数据列表给出,也可以绘出函数曲线.通过对数变换、移轴等数学方法,利用最小二乘法回归分析,求出因变量水密度与自变量水温度为拟抛物线型的回归函数表达式,其相关系数几乎达到1.0,为利用重力循环理论供热的管道系统水力计算研究提供了便利条件.

摘要： 2019年的北京市丰台区初三期末考试中有一道函数综合题,着实难住了一些同学,下面就是这道题:在平面直角坐标系xO y中,抛物线y=ax~2+bx+3a过点A(-1,0).(1)求抛物线的对称轴;(2)直线y=x+4与y轴交于点B,与该抛物线对称轴交于点C,如果该抛物线与线段BC有交点,结合函数的图象,求a的取值范围.此题的第(1)问比较容易,不再赘述.

摘要： 最大钻速是判定本安型液压车载钻机工作能力的关键指标.基于二次回归模型,考虑二次交互效应,将最大钻速作为优化目标,将钻刀扭矩、钻杆推力、刀盘转速和螺旋机转速等工作参数作为设计变量构建优化数学模型,根据拟合误差判定近似模型具有较高的精度和稳定性.针对不同的样本数目,采用二次规划算法搜索Pareto最优解集.结果 表明,性能优化后的钻机最大钻速为1.16 m/h,相比于工程经验法,在满足连续工作温度和噪声条件下提升了23.4％以上.

摘要： 钻速是衡量掘进机工作性能的关键参数之一.采用DOE建模技术,以钻速作为目标变量,以刀盘扭矩、 千斤顶推力、 刀盘转速、 螺旋机转速等主控参数作为设计变量建立二次回归函数,得出钻速的预测函数.通过拟合判定系数、 修正判定系数和均方根差对回归函数的误差进行判定,研究不同的样本数据采点方法对拟合精度的影响.构建优化数学模型,采用二次规划算法求解不同样本数目下的极值,有效地实现了掘进性能的提升.

摘要： 针对当前网络流量预测法是通过监测网络流量历史数据进行预测,存在预测精准度低和流量信息参数自适性差的问题,提出基于多元线性回归分析的高峰期网络流量预测模型.通过BP神经网络法,确定网络流量信息权值,采用滑动窗口算法得到流量序列中对应信息数据,构成新的网络流量序列,得到多元线性回归初始模型;引入最小二乘法对流量信息参数进行估算,得到流量信息的样本回归函数,使用可决系数F检验及统计样本回归函数,完成高峰期网络流量预测模型的构建.实验结果表明,使用该模型可降低误差、提高拟合度、增加能量利用率,为高峰期网络流量预测提供了基础保障.

摘要： 针对当前网络流量预测法是通过监测网络流量历史数据进行预测，存在预测精准度低和流量信息参数自适性差的问题，提出基于多元线性回归分析的高峰期网络流量预测模型。通过BP神经网络法，确定网络流量信息权值，采用滑动窗口算法得到流量序列中对应信息数据，构成新的网络流量序列，得到多元线性回归初始模型；引入最小二乘法对流量信息参数进行估算，得到流量信息的样本回归函数，使用可决系数F检验及统计样本回归函数，完成高峰期网络流量预测模型的构建。实验结果表明，使用该模型可降低误差、提高拟合度、增加能量利用率，为高峰期网络流量预测提供了基础保障。

摘要： 碳排放与土地利用密切相关，土地利用可以造成直接碳排放和间接碳排放。为了分析土地利用结构的碳排放效应，本文计算得出芜湖市2000-2010 年主要土地利用方式的碳排放总量，并利用回归函数进行 STIRPAT 模型拟合，进一步研究人口、经济发展与碳排放的关系，最后提出低碳的土地利用对策。研究结果表明：（1）2000-2010年期间，芜湖市碳排放量呈现快速增长的趋势，年均增长率达到15.17%。其中建设用地和林地分别为主要的碳源和碳汇。（2）碳排放量与人口、经济增长关系的模型拟合相关性显著，其中人口对碳排放的解释作用最大，人口每增加1%，碳排放量相应的增加8.726%。

摘要： 船舶通过弯曲河段时漂角的确定对于安全航行具有十分重要的意义.但有漂角均需要从试验中直接得来的.由于船舶在弯曲航道航行所需航宽受多方面因素影响,根据现有资料找出各主要因素,利用一元线性回归及多元线性回归函数进行分析,建立起弯道所需宽度的计算模型,并进行相应的假设检验以判断其可靠性,就是要从以往大量的船舶过弯时数据总结出一个可以根据水流条件,船舶尺寸及性能,可以直接计算出所需漂角的数学公式.

摘要： 模糊系统的构造和所构造的模糊系统的逼近能力是模糊控制中的主要研究课题.本文针对"修正的概率和"蕴涵算子,采用单点模糊化及重心法构造出一种概率密度函数和重心法模糊系统,并分别讨论了该模糊系统的概率表示及其逼近能力.结果表明:所构造的重心法模糊系统是一种概率论意义下的回归函数,从而进一步揭示了了重心法模糊系统的概率论意义.

摘要： 音速喷嘴是行业内公认的测量气体流量的标准器具,保证其高测量精度是一项基础性工作,对研发类似产品具有借鉴意义。在论述音速喷嘴流量测量原理的基础上,指出了传统测量法存在的缺点。提出了回归函数的概念,对传统法取得的结果进行优化,使其更接近真实值。还将湿度参数引入管道内气体流量测量中,主要目的也在于提高音速喷嘴的测量精度。

摘要： 多元条件密度函数 x X y fY 可以告诉我们许多被解释变量Y 对解释变量X 的回归关系的信息，其条件期望就是回归函数，条件方差就是回归误差项的条件方差。为了克服高维空间数据稀松性带来的估计上的困难，本文提出多元条件密度函数的投影追踪估计方法，通过最小化Kullback-Leibler 距离，得到了最优初始条件密度函数和每一步的增量函数和方向向量，还给出了估计步骤及其终止法则。

摘要： 提出了一种基于支持向量机(SVM)方法的在线训练算法,并将其引入超短期负荷预测领域.该算法通过不断输入新的负荷数据来更新回归函数,以获得较好的预测结果.和传统的SVM算法比较,它能在保证精度的同时大大减少支持向量的数目,此外,它还具有更快的收敛性和更好的泛化能力.试验结果表明,采用在线训练算法的超短期负荷预测预测精度高、计算速度快.

摘要： 建立了喷射器湍流混合模型，利用商用流体力学软件Fluent6对不种结构的喷射器进行了模拟研究，从微观尺度考察喷射器的混合特性，得到了不同条件下喷射器完成湍流微观混合所需要的距离，并利用三个自定义的无量纲准数与雷诺准数结合来描述喷射器的微观混合性能。结果显示，利用这些参数可以较好地表示喷射器的微观混合，并利用模拟结果回归了各准数之间的函数关系。

摘要： 建立了喷射器湍流混合模型，利用商用流体力学软件Fluent6对不种结构的喷射器进行了模拟研究，从微观尺度考察喷射器的混合特性，得到了不同条件下喷射器完成湍流微观混合所需要的距离，并利用三个自定义的无量纲准数与雷诺准数结合来描述喷射器的微观混合性能。结果显示，利用这些参数可以较好地表示喷射器的微观混合，并利用模拟结果回归了各准数之间的函数关系。

摘要： 建立了喷射器湍流混合模型，利用商用流体力学软件Fluent6对不种结构的喷射器进行了模拟研究，从微观尺度考察喷射器的混合特性，得到了不同条件下喷射器完成湍流微观混合所需要的距离，并利用三个自定义的无量纲准数与雷诺准数结合来描述喷射器的微观混合性能。结果显示，利用这些参数可以较好地表示喷射器的微观混合，并利用模拟结果回归了各准数之间的函数关系。

摘要： 建立了喷射器湍流混合模型，利用商用流体力学软件Fluent6对不种结构的喷射器进行了模拟研究，从微观尺度考察喷射器的混合特性，得到了不同条件下喷射器完成湍流微观混合所需要的距离，并利用三个自定义的无量纲准数与雷诺准数结合来描述喷射器的微观混合性能。结果显示，利用这些参数可以较好地表示喷射器的微观混合，并利用模拟结果回归了各准数之间的函数关系。

摘要： 本发明公开了一种基于回归分析和满意度函数法的AGV系统优化配置方法，该方法首先采用离散事件建模仿真方法理论构建AGV系统仿真模型，然后对设计参数和目标性能进行灵敏性分析以缩减设计空间，随后设计多因素水平试验进行回归分析拟合二阶多项式数学模型，最后用带权重的满意度函数方法来求解多目标优化模型从而获得AGV系统最优化参数配置。本发明提供的方法实施方便，简洁高效，能够对AGV系统进行有效的参数配置。

摘要： 本发明提出了一种基于多小波基函数和超正交前向回归的非平稳信号时频分析方法。该方法首先建立参数随时间变化的时变自回归模型，然后用基函数扩展法辨识模型参数，即将时变参数表示为一组多小波基函数的线性加权组合，时变模型转化为时不变模型辨识问题；接着，采用超正交前向回归方法辨识稀疏模型结构，排除模型冗余项，并估计稀疏模型参数，其中交互信息准则作为模型项选择标准；最后，利用所估计参数反向求解自回归模型时变参数，并根据时变参数估计值和功率谱密度公式计算信号的时频特征。与现有时频分析方法对比，本发明能同时获得较高的时间分辨率和频率分辨率，准确提取非平稳信号的时频分布特征，为非平稳信号的辨识分析提供了新的思路与计算框架。

摘要： 提供高速并且高精度地对S型函数进行秘密计算的技术。秘密S型函数计算系统将g(x)设为能秘密计算的函数，根据输入值x的份额[[x]]计算对于输入值x的S型函数的值的份额[[σ'(x)]]，包括：第一比较单元，生成第一比较结果[[c]]＝less_than([[x]],t1)；第二比较单元，生成第二比较结果[[d]]＝greater_than([[x]],t0)；第一逻辑计算单元，生成第一逻辑计算结果[[e]]＝not([[c]])；第二逻辑计算单元，生成第二逻辑计算结果[[k]]＝and([[c]],[[d]])或者[[k]]＝mul([[c]],[[d]])；以及函数值计算单元，计算份额[[σ'(x)]]＝mul([[k]],[[g(x)]])+[[e]]。

摘要： 一种秘密S型函数计算系统，将mapσ设为由表示S型函数σ(x)的定义域的参数(a0,…,ak‑1)和表示值域的参数(σ(a0),…,σ(ak‑1))(a0,…,ak‑1为满足a0k‑1的实数)定义的秘密批量映射，所述秘密S型函数计算系统由3个以上的秘密S型函数计算装置构成，从输入向量x→的份额[[x→]]，计算对于输入向量x→的S型函数的值y→的份额[[y→]]，所述秘密S型函数计算系统包含通过[[y→]]＝mapσ([[x→]])＝([[σ(af(0))]],…,[[σ(af(m‑1))]])计算份额[[y→]]的秘密批量映射计算单元，其中，f(i)是成为aj≤xij+1的j，0≤i≤m‑1。

摘要： 本申请公开一种函数型数据中函数型主成分检验方法以及回归预测方法。包括：获得函数型数据的标准函数型主成分，对于给定的一组基，设定原假设和备择假设；用B‑样条方法对轨迹函数和均值函数进行估计；在原假设下，得到调整后函数型主成分得分的估计，并根据所述调整后函数型主成分得分的估计得到特征值的估计；构建检验统计量，根据检验统计量判断拒绝原假设还是接受原假设。本申请可以检验一个函数型数据的标准函数型主成分是否等同于一组预先给定基函数。并进而可以依据检验结果来进行响应变量预测。

摘要： 本发明涉及机器学习领域，其公开了一种多任务的函数到函数回归方法，包括以下步骤：S1、构造一个基于基函数双重扩展的函数到函数回归模型，并建立一个从自变量函数到因变量函数的映射的目标函数；S2、进一步构建多任务的函数到函数回归模型的目标函数，通过协同分组挖掘各个任务之间的隐含结构来提升每个回归任务的性能，其中该步骤中的目标函数含有回归系数矩阵；S3、采用不同的稀疏性正则化技术对步骤S2中的回归系数矩阵施加约束；S4、对最终函数回归模型的目标函数非光滑和非独立的问题进行优化；基于结构型稀疏性的多任务函数到函数回归模型的优点是可以同时挖掘任务的相似性和基函数的聚类特征，并用于提升函数回归系统的性能。

摘要： 本发明公开了一种基于分段函数的去中心化逻辑回归分类预测方法，该方法具体为：设有m个参与者包括1个数据应用者和m‑1个数据持有者，数据应用者和数据持有者基于选定的加密方案计算XkWk，然后数据应用者和数据持有者加密XkWk并作为输入调用盲百万富翁协议，从而获取分段函数f(XW)的结果。数据应用者计算误差Y’=f(XW)−Y。数据应用者加密误差E(Y’)发送给所有的数据持有者。数据应用者可以本地更新参数W1。数据持有者计算E(Y’)并更新参数。重复上述步骤，直至训练收敛至某一阈值或者迭代次数达到设置的最大的迭代次数。最终，数据应用者和数据持有者得到最终参数Wk，参与者可以通过得到参数Wk进行分类预测。本发明的方法与现有方法的区别是：没有暴露梯度值和乘积结果，保护了数据持有者数据的安全性。

摘要： 本发明属于隐私保护的机器学习技术领域，特别涉及一种基于主成分分析和函数机制的差分隐私线性回归方法及系统，对训练数据集进行切分，依据训练属性值构建特征矩阵及标签向量，向特征矩阵的协方差矩阵中注入噪声扰动，并基于主成分分析将特征矩阵投影到主成分空间，依据投影矩阵来获取降维数据集；利用降维数据集进行模型训练，在模型训练的线性回归目标函数中添加噪声扰动，对扰动后的目标函数进行最优化求解来获取模型训练的最优模型参数。本发明在降低差分隐私线性回归全局敏感度的同时，能够提高训练优化后模型的适用性。并进一步通过仿真实验表明，本案方案所训练的线性回归模型能够在有效避免隐私泄露的同时，具有良好的可用性。

摘要： 本发明设计了一种基于双高斯函数模型及线性回归迭代算法的心率检测方法，采用双高斯函数对单周期光电容积脉搏波PPG样本信号数学建模，并对双高斯函数进行求导和积分等数学运算，得到双高斯函数关于待定参数的线性最小二乘法公式。依据线性最小二乘法公式对单周期光电容积脉搏波PPG样本信号数据进行线性最小二乘回归确定参数，并获得单周期PPG样本信号的回归信号；通过线性回归迭代算法对回归信号数据进行线性最小二乘回归迭代，充分降低噪声信号对PPG样本信号的干扰，并获得光滑的光电容积脉搏波重构信号；最终通过提取给定时间间隔内重构PPG信号的波峰特征检测心率，提高基于PPG样本信号估计心率的准确性和稳健性。

摘要： 一种基于平滑边框回归函数的遥感图像目标检测方法，包括对训练图像进行必要的预处理，并设置网络训练的超参数；将图片输入到目标检测类卷积神经网络中，得到特征图；然后将特征图输入到区域建议网络中，得到候选框；再将候选框与特征图送入到感兴趣区域池化层中，得到感兴趣区域特征，并在分类器中进行分类；将得到的感兴趣区域特征送入到全连接层中得到预测的偏移量，再将预测偏移量送入到平滑边框回归函数中得到实际偏移量，将候选框修正至新的位置；重复上述步骤，直到训练过程结束；将待检测图像经过预处理后输入到训练好的网络中，得到目标检测结果。能够有效实现高精度边框回归，在高IoU阈值条件下实现更高精度的目标检测。