正则化最小二乘线性判别分析算法

线性判别分析(Linear Discriminant Analysis,LDA)是用于降维和分类的方法,然而在遇到小样本问题时,由于全局散布矩阵是奇异的,所以传统的LDA方法是不适用的。为了解决LDA的这种缺点,提出了基于最小二乘线性判别分析(Least Squares Linear Discriminant Analysis,LS-LDA)的正则化算法,在LS-LDA中分别加入关于加权矩阵的L1范数、L2范数和弹性网络的惩罚项、来解决小样本问题,使模型具有鲁棒性和稀疏性。在对回归分析、正则化方法和LS-LDA相关技术进行深入分析的基础上,构建正则化最小二乘线性判别分析框架算法,实现数据降维。结合标准文本数据集进行实验,采用KNN(K-Nearest-Neighbor)分类器进行文本分类。实验结果表明,正则化的LS-LDA具有很好的分类性能,其中以加入了弹性网络惩罚项的LS-LDA最优。     

正交回归最小二乘估计

比较了线性回归模型与EV模型,在最小二乘估计的基础上,给出了正交回归最小二乘估计.     

非线性最小二乘问题的修正拟牛顿法

给出了求解非线性最小二乘的修正拟牛顿方法。该方法结合了非单调搜索技术和结构化拟牛顿法的思想,提出了一种新的求解非线性最小二乘的修正拟牛顿法,并证明了该方法的全局收敛性。     

广义压缩最小二乘估计的优良性

本文讨论了广义压缩最小二乘估计的均方误差、均方残差的一些性质，另外还分别在Ｑ（ｃ）准则及Ｐｉｔｍａｎ准则下讨论了广义压缩最小二乘估计的优良性。     

线性流形上左右逆特征值问题的最小二乘解

利用矩阵的奇异值分解,研究了线性流形上实对称矩阵的左右逆特征值的最小二乘解,得到了最小二乘解的一般表达式.对于给定的矩阵,得到了它的最佳逼近解。     

阻尼最小二乘算法研究综述

最小二乘法(LSM) 是一种经典的数学优化方法,基本原理是通过最小化误差的平方和以确定数据与方程之间的最佳函数匹配关系。LSM简单易行,在许多领域应用广泛。众多学者对LSM进行广泛研究,提出了各种改进方法,其中比较著名的是阻尼最小二乘法(LMA)。通过研读近几年有关阻尼最小二乘算法文献,将不同学者对阻尼最小二乘算法的改进策略研究进行梳理。     

曲线拟合的最小二乘法

在实际问题中测得的实验数据有时需寻求较简单函数逼近来解，曲线拟合的最小二乘法在解决这类问题的数据处理和误差分析中应用非常广泛，可提高数据处理的效率和精确度，已成为这类问题数据处理的重要的比较可靠的技术手段。     

关于最小二乘逼近教学的研究

本文首先对最小二乘逼近进行了定义,然后对如何用多项式来做最小二乘逼近进行了探讨,并举例.     

求解线性最小二乘问题的迭代法

本文将求解不相容线性系统AX =b的极小范数最小二乘解问题转化为求解一类微分方程唯一解问题 ,然后利用微分方程数值方法构造了几个迭代格式 ,同时 ,这些迭代格式也是计算广义逆矩阵A 的逐点迭代法     

约束条件下的广义最小二乘估计

本文仿造约束最小二乘估计和广义最小二乘估计的推导方法．给出约束条件下的广义最小二乘估计。     

限制线性方程组的解

文章讨论了限制线性方程组Ax=b(相容或不相容)，x∈T的解或最小二乘解的若干性质。     

一类经验Bayes估计的优良性

理论研究和实践结果表明,线性回归模型中最常用的方法——最小二乘法,在一些情况下表现不理想,因此近些年来,统计学家提出了许多替代方法供选择使用。本文通过参数经验Bayes(PEB)方法构造线性回归模型中可估函数的经验Bayes(EB)估计,并分别在均方误差(MSE)准则及均方误差矩阵(MSEM)准则下讨论它相对于最小二乘(LS)估计的优良性。     

导入CI权函数的群组AHP拓广简化最小二乘法

本文对群组判断矩阵排序提出一种新的导入CI权函数的拓广简化最小二乘法,鉴于群组AHP中不同专家所给判断矩阵质量上的差异,引入规一化后判断矩阵的一致性指标CI的倒数为相应专家的权函数,对群组判断矩阵进行不同程度的加权处理,得到了权重向量的相应计算公式,并给出其严格证明,最后通过算例验证了该算法的有效性。     

线性模型参数最小二乘估计唯一性的一个证明

对任意矩阵X,X(X′X)-X′与广义逆(X′X)-的选取无关,且有X=X(X′X)-X′X,X′=X′X(X′X)-X′.本文拓展了上述结果,证明了对任意正定阵V,X(X′V-1X)-X′V-1与广义逆(X′V-1X)-的选取无关,并有X=X(X′V-1X)-X′V-1X,X′=X′V-1X(X′V-1X)-X′.利用上述推广的结果,直接给出了广义线性模型中可估函数c′β的最小二乘估计c′β*的唯一性和无偏性的证明.     

Word在物理实验数据处理中的应用

如何使用Word快速处理物理实验中的数据，并与使用常规数据处理方法——最小二乘法处理结果进行比较，并论证该方法的可行性．     

遗传模拟退火算法在非线性最小二乘中的应用

对于非线性最小二乘问题,传统的算法往往是从一个初始值开始,经过迭代来逼近问题的最优解,其结果必会受到初始值的影响,而遗传模拟退火算法求解则具有很好的全局搜索能力,不受初始值的影响.研究表明,采用遗传模拟退火算法来求解非线性最小二乘问题,可取得较好的效果.     

用加权平均法拟合线性方程

当测量数据满足一定条件时，用加权平均法拟合的线性方程与用最小二乘法拟合的线性方程相同，这有效地解决用最小二乘法处理数据十分繁冗的问题．     

广义线性模型在线性约束下的参数估计

利用Lagrange乘数法导出了广义线性模型在线性约束下的回归参数的最小二乘估计,并讨论了它的性质.证明了当设计阵列满秩时,它在协方差阵意义下要优于无约束下的广义最小二乘估计.     

统计模型中误差方差的均方误差的区间估计

本文研究了线性统计模型(Ⅰ)—(Ⅳ)中参数σ^2的估计量σL^2或σH^2的均方误差MSE(σL^2)或MSE(σH^2),并分别给出了其1-α的置信区间。     

当前幼儿园园本教研存在的问题及对策

随着我国幼儿园课程改革的深入和对教师专业发展水平要求的不断提高,园本教研被认为是当前幼儿园提高保教质量、促进教师专业发展的有效途径。但是当前幼儿园开展园本教研的过程中存在诸多问题,如园本教研与促进全体教师专业发展、提高园所保教活动质量相脱节;园本教研活动没有针对全体教师及教师的个性化需求;教师开展园本教研的评价机制不完善;园本教研制度亟需完善和落实等。真正有效的园本教研应该以促进全体教师专业发展及保教活动质量的提高为目的,应构建分层研修的园本教研共同体,完善开展园本教研的评价机制,提高领导和教师对园本教研重要性的认识,完善和落实园本教研制度。