版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展,帶來(lái)信息大爆炸和數(shù)據(jù)量的極大豐富,傳統(tǒng)的回歸分析主要針對(duì)點(diǎn)數(shù)據(jù),在處理海量數(shù)據(jù)時(shí)具有以下兩點(diǎn)局限:⑴隨著數(shù)據(jù)量的增大,模型計(jì)算的復(fù)雜度增加。⑵研究對(duì)象為樣本點(diǎn)時(shí),從整體上把握數(shù)據(jù)屬性方面有所欠缺。符號(hào)數(shù)據(jù)分析方法通過(guò)“數(shù)據(jù)打包”,不僅降低了運(yùn)算的數(shù)據(jù)量,也實(shí)現(xiàn)了從整體上把握海量數(shù)據(jù)內(nèi)部之間關(guān)系。
本文在符號(hào)數(shù)據(jù)分析理論框架內(nèi),對(duì)基于描述統(tǒng)計(jì)量的區(qū)間型符號(hào)數(shù)據(jù)回歸模型進(jìn)行理論方法與模型評(píng)價(jià)研究。區(qū)間
2、數(shù)是一種重要的符號(hào)數(shù)據(jù)類型。當(dāng)前已提出的基于特殊值的三類回歸模型----中點(diǎn)法(CM)、上下限法(MINMAX)和中點(diǎn)半徑法(CRM)均假定變量在區(qū)間內(nèi)服從均勻分布,然而實(shí)際問題中常見非均勻分布的區(qū)間數(shù)據(jù),如偏態(tài)分布,正態(tài)分布。在現(xiàn)有的均勻分布區(qū)間數(shù)據(jù)描述性統(tǒng)計(jì)量以及一般分布的區(qū)間型數(shù)據(jù)描述性統(tǒng)計(jì)量基礎(chǔ)上,闡述課題組提出的可用于一般分布區(qū)間數(shù)回歸分析的基于區(qū)間型符號(hào)數(shù)據(jù)描述統(tǒng)計(jì)量的回歸模型。為進(jìn)行模型評(píng)價(jià),研究了區(qū)間數(shù)據(jù)的距離度量問題。
3、針對(duì)現(xiàn)有的的區(qū)間數(shù)據(jù)距離度量多適用于區(qū)間內(nèi)點(diǎn)數(shù)據(jù)服從均勻分布的不足,提出基于描述統(tǒng)計(jì)量的區(qū)間數(shù)據(jù)距離度量----μσ距離,并在其基礎(chǔ)上建立評(píng)價(jià)指標(biāo)體系。在此基礎(chǔ)上,運(yùn)用蒙特卡羅隨機(jī)模擬技術(shù)與基于特殊值的三類區(qū)間型符號(hào)數(shù)據(jù)模型進(jìn)行了方法有效性評(píng)價(jià)。本文闡述了新的回歸分析方法,研究結(jié)論表明,當(dāng)區(qū)間數(shù)內(nèi)部點(diǎn)數(shù)據(jù)服從正態(tài)分布,卡方分布等一般分布時(shí),DSM明顯優(yōu)于基于特殊點(diǎn)的三類模型。當(dāng)區(qū)間數(shù)內(nèi)部點(diǎn)數(shù)據(jù)服從均勻分布時(shí),CM可視為DSM的一個(gè)特例,
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 區(qū)間型符號(hào)數(shù)據(jù)的判別分析方法研究.pdf
- 區(qū)間型符號(hào)數(shù)據(jù)特征選擇方法及其應(yīng)用研究.pdf
- 區(qū)間型符號(hào)數(shù)據(jù)主成分分析和聚類分析的有效性評(píng)價(jià).pdf
- 符號(hào)數(shù)據(jù)回歸方法研究.pdf
- 區(qū)間型符號(hào)數(shù)據(jù)分析在股票分析中的應(yīng)用.pdf
- 區(qū)間型符號(hào)數(shù)據(jù)分析理論方法及其在金融中的應(yīng)用研究.pdf
- 一般分布區(qū)間型符號(hào)數(shù)據(jù)的聚類分析方法研究.pdf
- 一般分布區(qū)間型符號(hào)數(shù)據(jù)的SOM聚類分析研究.pdf
- 一般分布式與區(qū)間型符號(hào)數(shù)據(jù)的動(dòng)態(tài)聚類分析研究.pdf
- 符號(hào)數(shù)據(jù)聚類評(píng)價(jià)指標(biāo)研究.pdf
- 一般區(qū)間與分布式符號(hào)數(shù)據(jù)的PCA研究.pdf
- 區(qū)間刪失數(shù)據(jù)的回歸分析.pdf
- 面向符號(hào)數(shù)據(jù)流的演化聚類分析.pdf
- 自變量為區(qū)間刪失型數(shù)據(jù)的線性回歸分析.pdf
- 基于符號(hào)數(shù)據(jù)分析的混合推薦算法研究.pdf
- 基于模態(tài)型符號(hào)數(shù)據(jù)建模的群體推薦系統(tǒng)研究.pdf
- 基于符號(hào)數(shù)據(jù)的群組推薦算法研究.pdf
- 基于符號(hào)數(shù)據(jù)分析的協(xié)同過(guò)濾推薦算法.pdf
- 區(qū)間刪失數(shù)據(jù)對(duì)回歸模型的影響分析.pdf
- 基于KMV模型和符號(hào)數(shù)據(jù)分析的股票板塊特征分析.pdf
評(píng)論
0/150
提交評(píng)論