大学生体育成绩的预测模型

通过对学生的身高、体重和腰围这三个生理指标,用主成分回归分析建立了预测 50m和800m运动成绩的线性模型．从而为学生平时有争对性的锻炼,全面提高各运动成绩提供参考．     

大学生成绩的综合评价及分析

本文运用主成分分析对大学生四年的学习成绩进行综合评价,并对主成分得分进行单因素方差分析,以期更好地对大学生的学习成绩进行综合评价。     

大学基础课成绩对专业课成绩的影响

运用多元统计中的典型相关分析法,分析了大学生基础课成绩对专业课成绩的影响,得出的结论是:计算机和概率统计课程对专业课中的统计软件课以及各种统计类课程有较大影响,微积分和英语对西方经济学及双语教学类课程有中等程度的影响,基础课中的法律、思想政治及体育课对专业课几乎没有显著影响。     

高职院校基础课成绩对专业课成绩影响的典型相关分析

应用典型相关分析法对我院物流专业的公共基础课和后续专业课的关系进行了分析,验证了学好基础课对于专业课学习有促进作用的观点,为高职教学的课程设置和质量提高提供科学依据.     

成分数据的小离差主成分线性回归

指出了利用偏最小二乘法解决成分数据回归问题的不足之处,提出了小离差主成分回归新模型,并给出了一个具体应用小离差主成分解决成分数据回归的例子。     

数学成绩和专业课成绩的相关性分析

文章研究了在工科专业背景下数学成绩与专业课成绩之间的相关性。文章选取了工科大学生作为样本,获取数学成绩和专业课成绩等信息,并进行了数据清洗,运用主成分分析、因子分析等方法,研究相关性及其影响因素。实验结果表明,专业课成绩与数学成绩的高低有着紧密的联系,数学成绩较好的学生,其专业课成绩也相对较好;数学成绩较差的学生,其专业课成绩也不理想,甚至会出现挂科。所以,数学成绩可以作为一个较好的参考因素,帮助对学生进行评估。     

参数估计的新方法——横向距离平方和最小法

文章介绍了一元线性回归模型中参数估计的一种新方法——横向距离平方和最小法,并将其与最小二乘法、最小一乘法、全最小一乘法作比较,指出了此种新方法的优缺点.横向距离平方和最小法能用解析法求得参数的结果,形式相对简单;稳健性适中,且对于某些模型用该方法得到的回归效果更好.因此,横向距离平方和最小法在一些模型的参数估计中预计将能得到更好的应用.     

基于回归技术商品销售趋势预测模型的实现

运用统计技术进行预测分析是数据挖掘领域的一项重要任务。利用线性回归建模技术、最小二乘法以及在线分析处理（OLAP）技术,设计并实现了基于回归技术的商品销售预测模型。并且利用该模型从海量数据库中挖掘出决策支持知识。     

时间序列预测模型的改进及应用——以预测甘肃省天水市的胆囊炎发病率为例

利用主成分分析(PCA)对影响因子进行筛选后,再利用LSSVM进行建模和预测,由此得到了一种新的时间序列预测模型(PCA-LSSVM)。以甘肃省天水市的胆囊炎发病率为例,应用PCA-LSSVM预测模型进行实证分析,结果表明,此模型的预测精度优于PCA-MLR,ARIMA,LSSVM等参比模型。     

模型结构辨识的一种新方法

提出了一种用残差的自相关函数来确定系统模型结构的新方法。该方法减少了系统辨识的步骤，提高了辨识精度．     

中国人口增长预测模型

本文以Logistic人口阻滞增长模型为基础建立了我国人口增长的预测模型,对各年份全国人口总量增长的短、中、长期趋势作出了预测.从而为我国人口的控制与管理提供了一定的依据.     

三种参数估计方法的比较与启示

对回归模型进行参数估计时,常用的两种重要方法是普通最小二乘法和最大似然法。随着社会的发展,普通最小二乘法的不足之处日益显现,另一种新的参数估计方法——累积法的推广和运用,为我们提供了新的研究思路。本文通过对这三种参数估计方法进行分析与比较,得出了一些新的启示。     

基于正交核最小二乘法的高职学生成绩预测

在高职教育中,一个能够以较高精度预测学生考试成绩的模型可帮助教师预判教学效果,从而不断改进教学方法,提高教学质量。利用正交核最小二乘法搭建了高职学生考试成绩预测模型,以学生自身特点和平时表现等信息构成模型输入特征变量,预测学生的考试成绩是否合格以及具体分数。以深圳信息职业技术学院学生作为研究对象,将模型从预测精度和稀疏度两方面与支持向量机进行比较。实验结果表明,利用正交核最小二乘法建立的模型具有良好的泛化能力,虽然拟合精度略逊于支持向量机,但是能够取得更好的分类精度和更大的稀疏度。     

关于学生智育、体育的统计分析

应用典型相关分析法分析影响学生智育，体育的主要因素，从而更好地指导学生合理的分配时间。     

一种改进的核二维主成分分析人脸识别算法

结合二维主成分分析(two-dimensional principal component analysis,2DPCA)、核二维主成分分析(kernel two-dimensional principal component analysis,K2DPCA)、二维最佳判别式(two-dimensional Linear Discriminant Analysis,2DLDA)的特点,本文提出了一种改进的核二维主成分分析人脸识别算法,可以巧妙地将图像同时映射到最佳投影空间和最优判别空间。首先通过标准的K2DPCA算法在图像的行方向上去相关性;其次在K2DPCA空间通过2DLDA算法对图像做进一步投影;最后利用最近邻准则分类器计算相似度进行判别。在标准人脸库ORL和Yale进行验证,结果表明,所提出算法可以获得更高的识别率。     

电池放电问题数学模型的建立与求解

本文利用最小二乘法并结合电磁学知识,对铅酸电池放电问题建立了数学模型并进行了求解.     

主成分分析在学生成绩综合评定中的应用

本介绍运用多元统计分析中的主成分分析法对学生的考试成绩进行综合评价，使用统计软件SAS进行统计和分析。     

深入解读高中教材中的线性相关系数

基于现有的高中教材中对相关系数的介绍很少,并且相关系数在教材中出现的也比较突然,致使师生对它的理解比较肤浅.所以本文作者将结合教材从相关系数的定义,作用,由来及它和相关指数的关系等方面对它进行深入的解读.     

图像二维鉴别特征矩阵融合及人脸识别

二维最大散度差鉴别准则和二维Fisher鉴别准则抽取的特征具有很强的相关性.本文在此基础上,通过对传统的基于向量的典型相关分析方法进行分析改进,提出了一种新的直接基于图像二维鉴别特征矩阵融合的二维典型相关分析方法,并将其应用于人脸识别的特征融合过程中.较基于向量的典型相关分析,该方法计算过程中构造的协方差矩阵维数大幅度减小.这在一定程度上避免了人脸识别中存在的"高维小样本问题",另一方面也使算法的速度明显提高.     

软件Mathematica在线性回归分析中的应用

文章在提出线性回归问题的基础上,用最小二乘法求回归方程。通过实例应用软件Mathematica进行分析求解,两种方法的比较可以看出,Mathematica在求解线性回归问题中可大大地提高办公效率。