版權(quán)說明: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),請進行舉報或認領
文檔簡介
1、核主成分分析方法作為一種良好的非線性問題處理工具,已被廣泛地運用于各個領域。它將核函數(shù)和主成分分析有機地結(jié)合起來,在解決信息冗余的同時,最大程度地保證了原始信息的完整性,從而拓寬了主成分分析方法的應用范圍,是主成分分析方法的一種推廣。
在線性模型回歸系數(shù)的無偏估計中,LS估計得到最廣泛應用,但在自變量較多及存在著非線性關系的情況下,建立的多元線性回歸模型不穩(wěn)定。經(jīng)常使用的線性模型系數(shù)的有偏估計方法如嶺估計(Ridge Esti
2、mation)、主成分估計(Principal Component Estimation)和偏最小二乘估計(Partial Least Squares Estimation)的擬合效果也不理想,用核主成分估計線性模型回歸系數(shù)也是一種有偏估計,它與嶺估計、Stein估計相似,是建立在主成分分析基礎之上的。在總結(jié)多元線性模型回歸系數(shù)的主成分估計的基礎上,結(jié)合核主成分分析的相關理論,從非線性的角度來考慮,提出了運用核主成分分析的方法對多元線性
3、模型的系數(shù)進行估計,給出了多元線性模型系數(shù)核主成分估計的具體實施步驟,并且在核主成分的篩選準則方面進行了探討、分析,推出了一些重要結(jié)論。
實證分析表明,由于核主成分分析法借鑒主成分分析的思想,各主成分之間相互正交很好地避免了多重共線性問題。同時,由于核主成分分析方法引入了核函數(shù),將原始數(shù)據(jù)映射到高維空間進行運算、處理,有效地解決了變量間存在非線性或者更復雜的關系時,建立的回歸模型不穩(wěn)定的問題。并且核主成分篩選準則的運用,使得核
溫馨提示
- 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 多元線性模型回歸系數(shù)的主成分估計.pdf
- 變系數(shù)EV模型系數(shù)參數(shù)的核估計.pdf
- 比例變系數(shù)線性模型的估計.pdf
- 多元線性模型的參數(shù)估計.pdf
- 混合系數(shù)線性模型與約束線性模型的參數(shù)估計.pdf
- 空間變系數(shù)模型的局部線性BGWR估計及其應用.pdf
- 多元線性回歸模型的有偏估計
- 多元線性回歸模型的有偏估計
- 多元線性回歸模型的有偏估計
- 函數(shù)系數(shù)部分線性模型的小波估計.pdf
- 缺失數(shù)據(jù)下函數(shù)系數(shù)部分線性模型的估計.pdf
- 不同光滑度變系數(shù)部分線性模型的估計.pdf
- 函數(shù)系數(shù)和部分線性模型中的估計問題.pdf
- 28373.混合系數(shù)線性模型參數(shù)的有偏估計
- 多元線性混合模型中方差分量矩陣的估計.pdf
- 實驗三 多元線性回歸模型的估計和檢驗
- 線性回歸模型系數(shù)有偏估計的研究和應用.pdf
- 變系數(shù)部分線性模型的局部M-估計.pdf
- 30734.線性模型系數(shù)錯誤發(fā)現(xiàn)率的估計研究
- 多元線性模型中參數(shù)估計的可容許性.pdf
評論
0/150
提交評論