线性逻辑和逻辑式程序设计

所谓的逻辑式程序设计它涉及两个逻辑层次：外部逻辑和内部逻辑，前者描述对象之间的逻辑关系，而后者涉及目标求解遵循的逻辑法则。如PROLOG，它的外部逻辑是古典逻辑，而其计算遵循的，我们将证明可以使用线性逻辑中的记法加以刻画。本文从从证明论角度出发，研究PROLOG目标求解成功或失败的公理性，并说明对任一给定的程序P，可定义一个线性理论LT（P），关于该理论，PROLOG目标求解是正确且完备的。     

基于惩罚逻辑回归的乳腺癌预测

本文采用惩罚逻辑回归方法,利用威斯康星大学的乳腺癌数据对乳腺肿瘤进行预测。首先选取与乳腺癌相关的10个指标作为自变量,接着采用逻辑回归、LASSO惩罚逻辑回归、L2惩罚逻辑回归和弹性网惩罚逻辑回归作为分类器,利用75%的数据集作为训练集建立模型,最后利用25%的测试集、混淆矩阵和ROC曲线评估不同模型的预测精度。结果表明,LASSO惩罚逻辑回归的预测表现最好,预测精度达到97.18%;弹性网惩罚逻辑回归的预测表现随着α的增大发生变化,特别当α=0.9时,预测精度达到97.18%,与LASSO惩罚逻辑回归的预测表现一样好;L2惩罚逻辑回归的预测表现排第3,逻辑回归表现最差。因此,在乳腺肿瘤诊断中可借助LASSO惩罚逻辑回归和弹性网惩罚逻辑回归提高诊断精度。     

线性逻辑,Petri网和并发计算

1.线性逻辑和张量理论在古典逻辑的 Gentzen 型矢列演算中Girard 去除弱规则和缩规则,发展起一种新型逻辑系统——线性逻辑(简记为 LL)。它不同于古典逻辑,本质上是一种事态逻辑(logic of situation),或者是一动作逻辑(logic of action),强调系统的动态特征与并发计算紧密相关。结构规则的去除自然在 LL 中导致了两种类型的连接词:乘性连接词和加性连接词,     

基于DCT和线性回归的人脸识别*

由于人脸图像常常因光照、姿态、表情变化及遮挡等因素的影响而具有非线性结构,在空间域直接使用线性方法就有其局限性。为此,提出了一种基于离散余弦变换和线性回归分类的人脸识别方法:通过离散余弦变换获取人脸图像的变换域特征,以减小光照、姿态变化等影响,然后再利用快速有效的线性回归方法得到识别结果。通过在几个常用人脸数据库上的测试结果表明,该方法在满足实时性的同时,能有效地增强面对这些问题的鲁棒性。     

一种多元线性回归分析的实现方法

通过对多个自变量的线性回归分析,从中筛选出最符合要求的自变量,从而达到回归分析进而预测未来情况的目的。     

基于SPSS多元线性回归的人才流动分析

在参考国内外相关学者已有成果基础上,分析出影响高新技术企业人才流动的社会环境因素、企业因素和个人因素等共性原因,并通过调查问卷的方式分别对上海市两家高新技术企业进行实地调研,将统计数据通过SPSS软件利用多元线性回归模型进行了建模分析,得出影响高新技术企业人才流动的关键因素,为管理层制定科学合理的促进人才流动的对策提供参考依据。     

基于机器学习线性回归的正规方程分析

近些年来由于人工智能的火热,机器学习成为了研究热点.在机器学习中,线性回归占有举足轻重的地位,正规方程则是线性回归问题中求解的一种重要手段.本文针对正规方程在线性回归问题中的表现进行分析,同时利用奇异值分解等方法解决和改进正规方程在实践应用中的缺点.     

R语言中线性回归分析应用研究

R语言以其编程性、快速更新及强大的可视化功能逐步成为统计研究的一种重要分析软件.本文基于R语言,对翼型自噪声数据集进行回归分析,分别拟合了一个不含交互项和含有交互项的回归模型,并通过回归诊断检验模型假定.利用方差分析和信息准则选择了最佳模型,并利用测试集对最佳模型的预测能力进行评估.     

基于MATLAB的一元线性回归分析

本文主要论述了一元线性回归分析的基本理论,借助Matlab对北京等8个省市2016年年末常住人口总数和该地区国内生产总值GDP的关系进行了分析,分析得出的结论为:各省市年末常住人口总人数与国内生产总值的相关性非常密切。     

运用逻辑回归算法分析银行营销数据

近年来,机器学习和数据挖掘成为大数据领域的一个重要研究热点.Spark并行处理框架是一个当今高速发展应用广泛的生态系统,是专为大规模数据处理而设计的快速通用的计算引擎.本文尝试使用逻辑回归算法,使用Spark对银行营销数据进行建模分析,根据得到的模型预测客户是否订阅存款业务.     

用一元线性回归预测电网负荷

介绍了用一元线性回归模型预测地区电网负荷的设计相思，分析了系统的软件设计特点，并给出了应用结论。     

基于LabVIEW的多元线性回归数据处理系统

多元线性回归分析是一种重要的数据处理方法,借助图形化的虚拟仪器开发平台LabVIEW可开发出集数据剔错、模型构建、统计检验、区间估计与预测等功能为一体的多元线性回归的可视化数据处理系统。系统构建方法新颖和稳健,通用性和适应性强,可方便地与数据采集整合使用,又可单独应用,具有广泛应用价值。文章对系统的构建与设计作了阐述,给出了主要的实现程序。     

基于多元线性回归分析的数据异常检测研究

异常检测是数据挖掘中的一个重要研究方向,主要用来发现数据集中的小模式。多元线性回归分析可以对数据进行定量的分析。本文采用多元线性回归算法对ETC客户数据进行异常检测分析。分析得到的异常用户数据可以提供给相关决策人员进行重点监控,以减少客户欺诈行为的发生。     

基于多元线性回归的螺纹钢价格分析及预测模型

通过分析期货黑色系品种螺纹钢产业链上下游的关系,提出了一种基于多元线性回归分析的螺纹钢价格分析及预测模型。首先,收集 影响螺纹钢价格的主要因素数据,包括焦炭期货结算价、焦煤期货结算价、铁矿石期货结算价、热卷期货结算价与人民币兑美元汇率中间价;然后,通过散点图与趋势线对这些影响因素进行分析以确定影响因素,借助SPSS与NCSS软件利用收集到的数据构建基于最小二乘法的多元线性回归模型,并通过岭回归分析消除自变量间的共线性,得到修正后的模型;最后,运用此模型对未来一个月交易日的螺纹钢价格进行较为精准的预测。实验表明,该模型拟合度较高,具有一定的实用性。     

线性回归模型的三种Excel构建方法分析及其比较

本文介绍了在Excel环境下的三种线性回归模型的构建方法,分析了三种方法的优缺点,讨论了各自的适用范围,不同用户可以根据自身特点和需要来选择使用适合自己的方法。     

线性回归模型的三种Excel构建方法分析及其比较

本文介绍了在Excel环境下的三种线性回归模型的构建方法,分析了三种方法的优缺点,讨论了各自的适用范围,不同用户可以根据自身特点和需要来选择使用适合自己的方法。     

基于逻辑回归算法的微博水军识别

受潜在的商业利益的驱动,微博水军横行于话题与评论之间,对人们了解真实的结果产生不良影响,成为正常用户了解事实真相的障碍。分析了正常用户和水军的关系图,以此为切入点,分析了水军的特点,从用户属性中抽取了8个特征数据(粉丝数、关注数、好友粉丝比、注册时间、活跃度、关注速率、双向关注比和互粉数)基于学习数据集R训练逻辑回归分类模型,得到可靠的回归系数后,使用识别样本集R进行识别,水军识别率高达98.770%。为验证抽取的8个特征是否能有效识别水军,使用Scikit-Learn机器学习库中4种分类方法对同一识别样本集进行水军识别,水军识别准确率均在98.688%以上。研究结果表明,选取的8个特征能有效地进行水军判别,逻辑回归分类模型在进行水军识别研究中具有高准确性和可靠性。