基于向前选择变量法的我国粮食总产量多元线性回归预测模型

结合1983～2006年我国粮食总产量及与之密切相关的粮食单产、粮食播种面积、化肥施用量、有效灌溉面积、农机总动力、农田成灾面积等6个影响因子序列资料,采用向前选择变量法,构建了我国中长期粮食总产量多元线性回归预测模型。结果表明,粮食单产、粮食播种面积、化肥施用量及农田成灾面积是我国粮食总产量的关键制约因子,措施得当,未来我国完全可以在耕地资源不可逆转减少的前提下实现粮食总产量的持续增长。研究成果可为我国粮食安全保障体系的构建提供决策依据。

基于顺序向前选择算法的制冷系统故障诊断分析

以一台制冷量为90冷t(约316 kW)、制冷剂为R134a的离心式制冷机组为实验对象,从理论上分析该制冷系统的7种典型故障,分析故障征兆与故障间的理论关系,运用基于顺序向前选择(SFFS)算法的封装模型进行特征选择,降低乃至消除特征间的相关度,去除信息冗余,获得不同的能较好表征故障的特征子集.结果显示:运用SFFS算法时选择了22个特征,诊断正确率为89.63%,与原特征集的诊断正确率90.36%基本相当,极大地减少了原特征集的特征数,从64维降为22维;在保证故障检测与诊断正确率的前提下,减少了诊断所需传感器种类和数量,节约了初始投入成本.

基于split-and-conquer和非参数向前选择法的变量选择

变量选择是统计学界研究的重要课题之一.当处理高维数据时,一些常用的变量选择方法大多比较耗时,因此提出了一种既能筛选出高维数据中的变量又能节省时间的方法:基于split-and-conquer的非参数向前选择法.首先使用split-and-conquer方法将数据进行拆分,然后使用B样条函数逼近的非参数向前选择法进行研究.实验结果表明:基于split-and-conquer的非参数向前选择法可以较好地将变量选择出来,并且节省了大量时间.

一种基于边界的贪心组合剪枝方法

理论及实验表明,在训练集上具有较大边界分布的组合分类器泛化能力较强.文中将边界概念引入到组合剪枝中,并用它指导组合剪枝方法的设计.基于此,构造一个度量标准(MBM)用于评估基分类器相对于组合分类器的重要性,进而提出一种贪心组合选择方法(MBMEP)以降低组合分类器规模并提高它的分类准确率.在随机选择的30个UCI数据集上的实验表明,与其它一些高级的贪心组合选择算法相比,MBMEP选择出的子组合分类器具有更好的泛化能力.

多元线性回归模型预测城市用水量

本文应用多元回归的方法,对城市用水量进行预测。采取向前选择变量法进行优选,得到相对最优的回归预测模型。拟合情况良好,可以用来预测城市用水量。

多元线性回归模型在城市用水量预测中的应用

应用多元回归的方法,对城市用水量进行预测。采取向前选择变量法进行优选,得到相对最优的回归预测模型。该模型拟合情况良好,可以用来预测城市用水量。

基于X射线荧光的扩散渗铝层厚度测量研究

渗铝常作为航空发动机涡轮叶片的防护涂层,但目前常用的无损检测设备无法实现该类涂层厚度的精确测量。渗铝层厚度的均匀性影响了涡轮叶片的使用性能以及发动机使用的安全稳定。为了实现扩散渗铝层厚度的测量,本文采取了一种基于X射线荧光吸收法的无损测厚方法。首先根据X射线荧光吸收法的理论计算公式,推导得到荧光强度比的对数值(ln R)与荧光所穿透物质厚度(x)之间呈线性关系。然后建立了K403合金中与主要元素相关的一元线性回归计算模型以及基于向前选择变量法的多元回归计算模型。最后开展两种模型预测结果的对比研究,结果表明:与一元回归计算模型相比,多元回归计算模型相对稳定;不同厚度下的测量结果平均相对误差仅为3.2%。通过以上研究,为解决扩散渗铝层厚度测量问题提供了一种方便可行的指导思路。

线性回归分析中的两个悖论（英文）

概述:回归是应用统计学中最受欢迎的工具之一。然而,回归分析结果的误用和误解在生物医学研究中是常见的。本文运用统计理论和模拟研究来说明有关这种普遍使用的统计方法的一些悖论。我们还特别指出在顶级医学期刊发表的很多文章中广泛使用的模型选择程序事实上是错误的。模型选择使用哪一种步骤化程序需基于可靠的统计理论。

应用随机森林和支持向量机对三阴性乳腺癌基因数据的降维和筛选

目的应用随机森林和支持向量机算法处理乳腺癌基因数据,筛选三阴性和非三阴性乳腺癌的差异基因,为临床应用提供更多的参考靶点。方法使用TCGA乳腺癌基因数据,通过t检验和随机森林进行降维处理,然后使用支持向量机、支持向量机递归特征消除法、随机森林进行变量重要性排序,将随机森林和支持向量机与向前变量选择法结合进行模型预测并完成最终变量筛选,通过Holdout验证评价模型效果。结果数据经t检验的FDR降维后剩余18702个基因,经随机森林降维后剩余6326个基因;对降维后经三种方法排序的数据建立预测模型,获得各模型约登指数等评价指标;对排序结果中靠前的基因进行文献搜索,发现大部分基因和三阴性乳腺癌的转移或者预后有关。结论针对高维基因表达数据进行变量选择,使用t检验的FDR进行降维、随机森林对变量进行排序筛选、支持向量机进行预测效果最佳;通过检索重要性排序靠前基因发现大多数与三阴性乳腺癌有关,但某些靠前基因与三阴性乳腺癌无文献研究,建议研究这些基因与三阴性乳腺癌的相关性。