导读:本文包含了特征变量论文开题报告文献综述、选题提纲参考文献，主要关键词:变量,光谱,函数,特征,模式,电信号,丘脑。
特征变量论文文献综述写法
王浩林,张勇军,毛海鹏[1]（2019）在《基于时空特征变量数据分析的共享汽车充电负荷预测方法》一文中研究指出共享汽车大规模应用将会给电网运行和充电设施规划带来新的挑战。目前对共享汽车充电负荷的预测方法研究不够深入,为此提出了一种基于时空特征变量数据分析的共享汽车负荷预测方法。通过数据挖掘,构建了由时空特征变量支撑的二维动态交通行为模型。为了探讨共享汽车连续充电与集中充电的特性,设定了连续充电和集中充电2种充电情形,以此构建充电行为模型。通过蒙特卡洛法模拟共享汽车的交通-充电行为,计算得到不同时间、不同区域下共享汽车充电负荷的预测结果,并分析负荷对电网的影响。仿真分析结果表明,交互影响的时空特征变量能够合理描述共享汽车时空二维不确定变化的特点,所提方法能对随机分散的共享汽车充电负荷做出科学预测,为电网及用户共享汽车负荷管理策略的制定提供有效的依据。(本文来源于《电力自动化设备》期刊2019年12期）
王金甲,党雪,杨倩,王凤嫔,孙梦然[2]（2019）在《组LASSO罚多变量自回归模型脑电特征分工类》一文中研究指出自回归(AR)模型和多变量自回归(MVAR)模型是脑机接口(BCI)系统脑电信号(EEG)常用的特征提取方法。AR模型没有考虑多通道间的相互关系,MVAR模型虽然考虑了多通道间相互关系,但是会出现模型过参数化问题。为解决MVAR模型过参数问题,本文提出采用组LASSO罚MVAR模型对脑电信号进行特征提取,采用梯度下降和块坐标下降相结合的方法估计模型参数,然后采用线性支持向量机(SVM)对提取的特征进行分类。实验结果表明,组LASSO罚MVAR模型的分类正确率达93%,高于MVAR模型、LASSO-MVAR模型和6阶AR模型的识别正确率。(本文来源于《高技术通讯》期刊2019年11期）
孙涛,阳春华,朱红求,李勇刚,陈俊名[3]（2019）在《一种基于变量稳定性和可信度的紫外-可见特征波长选择方法》一文中研究指出针对多组分金属离子混合溶液的紫外-可见吸收光谱(UV-Vis)重迭严重、难以分离的问题,提出了一种基于稳定性和可信度偏最小二乘法(SCPLS)的特征波长选择方法。在SCPLS中,引入指数衰减函数(EDF)以迭代的方式对波长变量进行选择。在每次迭代中对蒙特卡罗采样所得到的数据集建模,计算各波长变量的稳定性和可信度指标,并通过EDF选择具有较高稳定性和可信度的变量,选择的变量作为新的变量集进入下一次变量选择迭代。迭代全部完成后,计算每一次迭代所选的变量集建模的交叉验证均方根误差(RMSECV),选择RMSECV最小的变量集作为波长变量选择的结果。利用Zn(Ⅱ),Cu(Ⅱ)和Co(Ⅱ)混合溶液的紫外-可见光谱数据集和Zn(Ⅱ)和Co(Ⅱ)混合溶液的紫外-可见光谱数据集对所提方法性能进行了验证,并与全波段偏最小二乘、移动窗口偏最小二乘法(MWPLS)、蒙特卡罗无信息变量消除方法 (MC-UVE)、竞争性自适应加权算法(CARS)和稳定性竞争自适应加权算法(SCARS)进行了比较分析。结果表明:该方法不仅能降低波长选择的复杂度,还能在保证波长选择过程稳定的情况下,选出对模型重要的波长变量,较之其他方法所提出的方法选取的变量建立的模型RMSECV最小,对于Zn(Ⅱ), Cu(Ⅱ)和Co(Ⅱ)数据集,使用SCPLS方法得到的Zn(Ⅱ), Cu(Ⅱ)和Co(Ⅱ)的RMSECV值分别比全光谱PLS下降60.5%, 40.2%和31.8%,与SCARS相比分别下降29.8%, 26.1%和0.8%, Zn(Ⅱ), Cu(Ⅱ)和Co(Ⅱ)平均相对误差分别为2.14%, 1.25%和0.74%,其中Zn(Ⅱ)的最大相对误差为4.67%, Cu(Ⅱ)的最大相对误差为3.99%, Co(Ⅱ)的最大相对误差为3.12%;对于Zn(Ⅱ)和Co(Ⅱ)数据集,使用SCPLS方法得到的Zn(Ⅱ)和Co(Ⅱ)的RMSECV值分别比全光谱PLS下降39.4%和24.9%,与SCARS相比分别下降35.3%和13.3%, Zn(Ⅱ)和Co(Ⅱ)平均相对误差分别为1.23%, 1.10%,其中Zn(Ⅱ)的最大相对误差为4.45%, Co(Ⅱ)的最大相对误差为4.57%,有效提高光谱建模精度。(本文来源于《光谱学与光谱分析》期刊2019年11期）
吴金霞[4]（2019）在《一种特征变量广义预测控制方法》一文中研究指出针对一类具有统计运动规律的复杂生产过程系统难以控制问题,提出了一种新的广义预测控制方法,即直接利用特征向量而非状态变量,通过工况模式所属类别的变化来描述系统的动力学特性,进行控制器设计.在前期二维工作的基础上,将该方法推广到高维.以叁维情形为例,根据安阳钢铁厂400烧结机的实际工况数据,首先提取工况特征变量并进行模式类别划分,其次通过定义描述模式运动的变量来建立系统的预测模型,最后根据新变量进行广义预测控制.研究结果表明:该方法能够有效描述系统的统计特性,并根据实际工况数据及预测模型直接辨识得到控制器中的参数,对系统进行了有效的控制,解决了该类系统难以控制问题.(本文来源于《辽宁工程技术大学学报(自然科学版)》期刊2019年06期）
李涵翛然,宋素涛,王东林,连真真,王妍[5]（2019）在《丘脑rs-fMRI特征的多变量模式分析对抑郁症的诊断预测》一文中研究指出已有研究发现抑郁症患者存在丘脑的功能神经影像学异常,但这些异常都只是组水平上的统计学差异,因而尚不能为个体化诊断提供帮助。为此,本研究拟使用机器学习的方法来分析抑郁症(Major depressivedisorder,MDD)患者丘脑的静息态功能磁共振影像(resting-statefunctionalmagneticresonance image,rs-fMRI)数据,试图探索MDD个体化诊断的预测模型。本研究招募了74名抑郁症患者和44名健康志愿者为被试,每个被试分别进行8分钟静息态f MRI扫描。以丘脑自发活动rs-fMRI五个指标即低频振幅(amplitudeoflowfrequencyfluctuations,ALFF)、比率低频振幅(fractionalamplitudeoflowfrequency fluctuations, fALFF)、局部一致性(regional homogeneity, ReHo)、节点中心度(degree centrality, DC)、体素镜像同伦连接(voxel-mirroredhomotopicconnectivity,VMHC)为特征分别训练支持向量机(Supportvector machine,SVM)和L1多核学习(L1-MultipleKernelLearning,MKL)模型,采用5倍交叉验证(5-fold cross-validation)对模型性能进行测试。结果发现:(1)以整个丘脑的上述五个功能指标为特征时,SVM分类的平衡准确率(balanced accuracy)为98.86%(p=0.001),敏感性为100%,特异性为97.73%;(2)以每个功能指标为特征分别单独训练SVM,平衡准确率最高的是fALFF,为96.16%(p=0.001),敏感性为94.59%,特异性为97.73%;DC、ALFF、Re Ho及VMHC平衡准确率分别为43.92%、28.38%、42.57%、43.92%(ps>0.05),均未达到统计显着。(3)以五个功能指标为特征,MKL模型分类平衡准确率为96.16%(p=0.001),敏感性为94.59%,特异性为97.73%,进一步分析发现,fALFF贡献率最大,为97.43%;(4)由于丘脑的异质性,因此本研究将左右丘脑各分成8个亚区,共16个亚区。结果发现,当以每个独立的亚区的fALFF为特征时,其分类平衡准确率均高于随机水平;其中分类平衡准确率最高的是左侧丘脑枕部(left occipital thalamus),为96.16%(p=0.001)。本研究首次以丘脑的rs-fMRI数据为特征,利用机器学习方法区分抑郁症患者和健康人,得到了较高的区分准确率,这些结果提示丘脑的fALFF对于MDD的个体化诊断具有良好的的潜力。(本文来源于《第二十二届全国心理学学术会议摘要集》期刊2019-10-19）
胡潇,黄俊仕,朱晓宇,刘鹏,吴瑞梅[6]（2019）在《二维相关光谱在大米中甲基毒死蜱特征变量优选的应用》一文中研究指出为提高大米中农药残留的表面增强拉曼光谱(SERS)快速检测精度,提出采用二维相关光谱(2DCOS)对大米拉曼光谱进行农药特征变量优选。首先,采用标准正态变量变换(SNV)对原始光谱预处理,再以甲基毒死蜱浓度为外扰,进行二维相关同步光谱和自相关谱解析,筛选出与甲基毒死蜱浓度变化最相关的特征谱峰,建立了大米中甲基毒死蜱残留浓度的支持向量机(SVM)分析模型,并与偏最小二乘(PLS)模型进行性能比较。结果表明,2DCOS方法能很好地筛选出与甲基毒死蜱浓度相关的特征谱峰;利用2DCOS优选出的4个甲基毒死蜱特征谱峰所建立的SVM模型性能优于PLS的实验结果,模型对预测集样本相关系数(R_P)为0.96,均方根误差(RMSEP)为5.21,相对分析误差(RPD)为3.66,可用于大米中甲基毒死蜱农药残留的实际估测。研究表明,采用2DCOS优选大米中甲基毒死蜱浓度相关的特征变量是可行的,且能简化模型,提高模型预测精度,从而为拉曼光谱用于食品农产品质量安全的快速检测提供了一种新思路。(本文来源于《分析测试学报》期刊2019年08期）
周芬芬,戴果[7]（2019）在《语域叁变量视角下微语言的语言特征分析》一文中研究指出在当今时代社交媒体发展瞬息万变的过程中,微语言正在以其独特的方式,使社会舆论、文化形态以及人们的日常生活发生着微妙的变化。它不仅是一种语言现象,也是一种社会现象和文化现象。因为与传统语言相比,它呈现出许多自身的特点。从语域叁变量角度研究微语言的语言特征,进而了解微语言的应用情况及其独特之处,有利于探索微语言映射人们语言习惯以及相关语言文化的研究。(本文来源于《安徽电子信息职业技术学院学报》期刊2019年04期）
李风雷,张胜年,成万祥,陈玉霞[8]（2019）在《跳远踏跳中下肢运动链运动特征变量对运动成绩影响的关联度分析》一文中研究指出探讨跳远起跳过程中起跳腿下肢髋膝踝关节生物力学表现对跳远距离的影响。同步采集15名跳远运动员的踏板起跳动作的运动学和动力学数据,并对相关数据进行灰色关联分析。结果发现跳远的姿势对跳远成绩的影响作用最明显,踏板时刻,最大冲击力时刻、缓存最低点和离板时刻的髋膝踝叁关节的角度,以及踏板起跳时间、屈膝时间与起跳总时间的百分比及垂直方向最大地面反作用力对跳远成绩都有重要影响。起跳过程须强化合理正确的起跳姿势,起跳环节触地时下肢关节尽可能伸展,踝关节主动踏板,尽可能减少踏板起跳时间;加强起跳腿下肢力量,提高起跳腿的控制力,将有利于提高跳远成绩。(本文来源于《广州体育学院学报》期刊2019年04期）
文小波,赵雪娇[9]（2019）在《利用特征函数求解连续型随机变量函数的密度函数》一文中研究指出求解连续型随机变量函数的分布是概率论与数理统计中较为重要的一个问题,传统的方法往往需要较大的计算量,运用时有一定的局限性.本文以特征函数为载体,给出了求解连续型随机变量函数的密度函数的计算方法.相对于传统的方法,此方法简化了计算.在文中,理论论证之后,分叁个层面以某一函数为例,加以论证,得出了一些结论.(本文来源于《赤峰学院学报(自然科学版)》期刊2019年07期）
曾丹,魏勇[10]（2019）在《提高建模精度的含参变量函数变换的特征与参数范围》一文中研究指出文章针对单一函数变换不能同时保证缩小级比偏差和还原不扩大相对误差的特性,对含参变量函数变换进行研究,讨论了其变换能缩小级比偏差的参数范围及其在还原过程中不扩大误差的函数特征。通过实例验证了方法的的合理性及可靠性。(本文来源于《统计与决策》期刊2019年14期）
特征变量论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
自回归(AR)模型和多变量自回归(MVAR)模型是脑机接口(BCI)系统脑电信号(EEG)常用的特征提取方法。AR模型没有考虑多通道间的相互关系,MVAR模型虽然考虑了多通道间相互关系,但是会出现模型过参数化问题。为解决MVAR模型过参数问题,本文提出采用组LASSO罚MVAR模型对脑电信号进行特征提取,采用梯度下降和块坐标下降相结合的方法估计模型参数,然后采用线性支持向量机(SVM)对提取的特征进行分类。实验结果表明,组LASSO罚MVAR模型的分类正确率达93%,高于MVAR模型、LASSO-MVAR模型和6阶AR模型的识别正确率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
特征变量论文参考文献
[1].王浩林,张勇军,毛海鹏.基于时空特征变量数据分析的共享汽车充电负荷预测方法[J].电力自动化设备.2019
[2].王金甲,党雪,杨倩,王凤嫔,孙梦然.组LASSO罚多变量自回归模型脑电特征分工类[J].高技术通讯.2019
[3].孙涛,阳春华,朱红求,李勇刚,陈俊名.一种基于变量稳定性和可信度的紫外-可见特征波长选择方法[J].光谱学与光谱分析.2019
[4].吴金霞.一种特征变量广义预测控制方法[J].辽宁工程技术大学学报(自然科学版).2019
[5].李涵翛然,宋素涛,王东林,连真真,王妍.丘脑rs-fMRI特征的多变量模式分析对抑郁症的诊断预测[C].第二十二届全国心理学学术会议摘要集.2019
[6].胡潇,黄俊仕,朱晓宇,刘鹏,吴瑞梅.二维相关光谱在大米中甲基毒死蜱特征变量优选的应用[J].分析测试学报.2019
[7].周芬芬,戴果.语域叁变量视角下微语言的语言特征分析[J].安徽电子信息职业技术学院学报.2019
[8].李风雷,张胜年,成万祥,陈玉霞.跳远踏跳中下肢运动链运动特征变量对运动成绩影响的关联度分析[J].广州体育学院学报.2019
[9].文小波,赵雪娇.利用特征函数求解连续型随机变量函数的密度函数[J].赤峰学院学报(自然科学版).2019
[10].曾丹,魏勇.提高建模精度的含参变量函数变换的特征与参数范围[J].统计与决策.2019