工業(yè)數(shù)據(jù)挖掘中有偏估計(jì)問題及解決方案研究.pdf

1、隨著計(jì)算機(jī)技術(shù)、信息技術(shù)和數(shù)據(jù)庫技術(shù)的迅速發(fā)展，數(shù)據(jù)挖掘技術(shù)已經(jīng)成為各行業(yè)研究人員的研究熱點(diǎn)。 工業(yè)數(shù)據(jù)挖掘的重要用途之一是建立數(shù)學(xué)模型。數(shù)學(xué)模型的典型作用是為了預(yù)測生產(chǎn)過程。數(shù)學(xué)建模常采用回歸分析方法，模型參數(shù)的獲取采用最小二乘法。最小二乘法在Gauss-Markov 定理中已被證明是方差最小的無偏估計(jì)。 工業(yè)過程數(shù)據(jù)一般質(zhì)量比較差，重要表現(xiàn)是測量值的觀測誤差顯著。在數(shù)學(xué)建模過程中，傳統(tǒng)回歸模型只考慮因變量的觀測誤差，

2、忽略自變量的觀測誤差。因此用最小二乘法進(jìn)行參數(shù)估計(jì)，得到模型參數(shù)估計(jì)量是有偏估計(jì)量，易造成模型參數(shù)估計(jì)失真。 為了提高工業(yè)過程建模的可靠性，使工業(yè)過程模型能滿足實(shí)際的生產(chǎn)過程需求。本文針對(duì)傳統(tǒng)回歸模型的局限性，研究了變量誤差模型（EV模型)參數(shù)估計(jì)理論，探討了EV模型下最小二乘參數(shù)估計(jì)法的缺陷，并提出了基于校正最小二乘的參數(shù)估計(jì)方法。 本文的主要研究： 1.結(jié)合回歸模型的基本理論，對(duì)EV模型進(jìn)行了研究，探討了EV模