超高维非参数可加模型的变量选择—基于向前可加回归算法
向前可加回归方法论文 向前回归方法论文 样条函数论文 高维数据论文 独立扫描方法论文
论文详情
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究课题以及论文中的创新点(个人贡献) | 第10-11页 |
| 1.3 本文主要内容以及主要结果 | 第11页 |
| 1.4 本文主要结构 | 第11-14页 |
| 第二章 文献综述 | 第14-28页 |
| 2.1 变量选择方法概要 | 第14-19页 |
| 2.2 传统变量选择方法 | 第19-21页 |
| 2.3 变量筛选方法 | 第21-22页 |
| 2.4 向前回归方法 | 第22-25页 |
| 2.5 向前可加回归方法概要 | 第25-26页 |
| 2.6 样条函数概要 | 第26-27页 |
| 2.7 B样条函数 | 第27-28页 |
| 第三章 向前可加回归算法 | 第28-32页 |
| 3.1 数学模型及相关记号 | 第28-29页 |
| 3.2 向前可加回归算法步骤 | 第29页 |
| 3.3 挑选最优子集方法 | 第29-30页 |
| 3.4 入选准则的讨论 | 第30-32页 |
| 第四章 数值模拟 | 第32-50页 |
| 4.1 序言 | 第32-34页 |
| 4.2 例子模拟及模拟结果 | 第34-44页 |
| 4.3 数值模拟的拓展 | 第44-45页 |
| 4.4 BIC准则的失效及进一步讨论 | 第45-47页 |
| 4.5 总结 | 第47-50页 |
| 第五章 实例分析 | 第50-60页 |
| 5.1 心肌病数据分析 | 第50-55页 |
| 5.2 脂肪含量数据分析 | 第55-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 方法总结 | 第60页 |
| 6.2 未来展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 在学期间科研成果 | 第68页 |
论文购买
论文编号
ABS4666934，这篇论文共68页
会员购买按0.30元/页下载，共需支付
20.4。
不是会员，
注册会员！
会员更优惠
充值送钱！
直接购买按0.5元/页下载，共需要支付
34。
只需这篇论文，无需注册！
直接网上支付，方便快捷！
相关论文
