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MapReduce的多元线性回归预测模型

针对传统的多元线性回归预测方法处理时间长且受内存限制的特点,对时序样本数据设计了基于MapReduce的并行多元线性回归预测模型。模型由三组MapReduce过程组成,分别求解由历史数据所构成叉积矩阵的特征向量和标准正交特征向量,用来预测未来参数的特征值和特征向量矩阵和未来时刻回归参数的估计量。设计并实现了实验来验证提出的并行多元线性回归预测模型的有效性。实验结果表明,基于MapReduce的多元线性回归预测模型具有较好的加速比和可扩展性,适合于大规模时序数据的分析和预测。     

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。     

基于多元线性回归的学生成绩预测研究

随着数据挖掘技术在教育领域的深入应用,使得成绩预测成为改进教学质量的重要手段之一。对学生进行成绩预测,可以督促学生提高学习效率以及鞭策教师改进教学质量,更好地完善教学,达到最佳效果。但在目前研究中,虽然对成绩预测应用已十分广泛,但是多是基于学生全部成绩对某门课程成绩的预测,忽略了成绩预测的时效性。因此提出基于多元线性回归方法构建一年级成绩预测毕业成绩的预测模型。以某学校计算机应用专业的学生课程成绩为研究对象,构建相应的多元线性回归预测模型。通过大量实验以及检验证明,利用一年级成绩预测毕业成绩可行,并且构建的成绩预测模型具有极高的预测精度,可以为改进教学方案提供参考信息,有助于提高学校的教学质量和学生的学习效果。     

基于多元线性回归的雾霾预测方法研究

提出了一种在线样本更新的多元线性回归分析的雾霾预测方法。首先搜集了北京市天气状况,包括平均气温、湿度、风级等气象数据以及PM2.5、CO、NO₂、SO₂等大气成分浓度数据,然后通过散点图对这些因素进行主要影响因素分析,筛选出对雾霾影响比较明显的因素作为雾霾预测的依据。通过在线样本更新的多元线性回归建立了PM2.5含量预测模型,并将气象要素作为雾霾的判断标准。最后给出实际例子,利用多元线性回归对北京未来一天、三天及一周的PM2.5含量进行较为精确的预测。     

基于多元线性回归的环境监测数据分析与研究

目前的环境实时监测数据精度和适用范围都有一定限制,为此提出并改进一种新的环境预测模型,用于预测大气环境质量,收集6个空气污染物指标和5个相应的气象指标并进行检测.研究发现通过逐步线性回归优化多元线性方程,可以准确预测短期大气环境质量,改进后的模型可以相对准确地预测未来大气污染物的质量浓度.     

基于层次结构数据的多元线性回归问题研究

针对传统多元线性回归分析(Multiple linear regression, MLR)在处理大数据时,特别是具有层次结构的数据,提出了基于层次结构数据的偏回归系数计算模型。该模型通过计算下层中每个部分的偏回归系数及上、下层之间的层次结构矩阵,来计算上层的总体偏回归系数。从理论研究和实际数据试验验证了在计算回归系数时新模型与传统MLR模型具有等效性。同时,新模型能有效解决隐私数据的保护问题,实现计算的并行处理,提高了大数据处理能力。     

基于多元线性回归预测模型的sensor态势研究

由于系统漏洞层出不穷,网络管理员也不容易获得用户主机的安全态势,如何在攻击者利用漏洞之前,对网络中用户主机的漏洞、脆弱性进行自动发现成为保障计算机网络安全、平稳运行的关键问题。文中针对多元线性回归预测模型算法,首先利用最小二乘法实现对多元线性回归方程的求解,然后利用＂t-检验＂检验回归系数的显著性,实现对sensor安全的精确预测,使网络管理员能直观了解到sensor的全状况,以寻求最低的事故率、最少的损失和最优的安全投资效益。     

基于多元线性回归的飞机燃油消耗诱因分析

针对民航运行燃油成本增加问题,为了提升燃油经济性,采用多元线性回归建立的燃油消耗诱因分析模型,定量分析了飞机燃油消耗诱因.将飞机落地剩余油量作为对象,从飞机性能、飞行操纵等方面选取了影响落地剩余油量的参数.先利用相关性分析进行了参数筛选,通过主成分分析对筛选后的参数进行降维,并建立了回归模型,分析了各因素对落地剩余油量的影响.利用某航空公司航线运行数据进行了仿真验证,结果表明,所建模型可以精确得出不同参数对燃油消耗的影响程度.研究可为油量监控和运行节油策略等方面的研究提供基础.     

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。     

基于多元线性回归的图像质量评价方法

通过回顾图像质量评价的发展过程,对现有的各种图像质量评价方法进行分类。针对各种失真图像如压缩图像、噪声图像等,比较一些有代表性的评价方法的预测值与主观评价分数之间的Pearson相关系数和Spearman相关系数。结果发现不同评价方法对不同失真的反映灵敏度是不同的,即使是同一种方法在不同相关系数上的表现也不一致。采用多元线性回归分析对选定的图像质量评价方法进行拟合,综合不同方法的优点,提出了一种基于多元线性回归分析的图像质量评价方法。该方法对各种类型和各种程度的失真的灵敏度都比较好,性能也比较稳定。将新方法与选定的各种具有代表性的图像质量评价方法进行比较,实验结果表明,新方法在各个方面都具有较好的鲁棒性。     

基于多元线性回归的房价预测模型改进

如今,世界经济飞速发展,我国房地产市场也随之蓬勃发展,房价成为人们最关心的事情之一,因此,越来越多的人开始关心如何对房价走势作出科学有效的预判,为此,多元回归线性模型映入专家们的视野。但是,显然,这不是一个十分精确的方法,仍存在一些问题。本研究便针对房价预测方面对此模型的改进方法进行探索,并提出自己的看法,为今后人们的研究提供更精确的方案。     

基于多元线性回归的GPS-IR积雪深度反演研究

利用全球导航卫星系统反射干涉遥感技术（GPS-Interferometric Reflectometry, GPS-IR）可实现地表环境参数的监测。基于全球导航卫星系统多径反射信号与积雪深度之间的关系,针对目前已有研究较少的考虑多星融合对反演效果的影响,提出一种基于多元线性回归的多星融合积雪深度反演模型。为了验证算法的可靠性,利用美国PBO观测网络中的P101测站连续监测数据进行雪深反演研究。研究和实验表明：反演结果与积雪深度参考值具有显著相关性;多星融合能够有效综合各单颗卫星的反演性能,相关系数均大于0.940,相比单星提高了13.6%;RMSE和MAE均小于0.08和0.165。     

基于多元线性回归模型的昆明市用水量分析及预测

水是生物生存不可或缺的资源,更是城市发展的重要基础。因此,选取昆明市2012—2021年的用水量为因变量,基于多元线性回归模型对影响昆明市用水量的若干因素进行分析与预测。为了解决自变量间存在的多重共线性问题,本文使用逐步回归法筛选变量,利用R软件计算出模型的系数,并基于模型预测昆明市年度用水量,发现计算出的各年相对误差与平均误差较小,说明模型适合对昆明市年度用水量进行预测。     

基于多元线性自回归模型的流量预测

为使流量预测模型具有自适应性和相关性,以时间点为基础进行建模,结合时间序列与流量序列,引入多元线性自回归(AR)思想进行参数估算,对多次估算所得参数值建立指数加权移动平均数模型进行二次估算,在此基础上,建立多元线性自回归模型。实验结果证明,与AR模型、ARMA模型相比,基于多元线性AR模型的预测结果更准确。     

基于多元线性回归的昆虫图像分割方法

昆虫图像自动鉴定是一种快速鉴定昆虫的方法,图像分割则是其中的关键步骤。为了使昆虫图像分割达到更理想的效果,提出基于RGB三色板的多元线性回归算法对昆虫图像进行分割。算法的核心是首先建立图像的多元线性回归模型,根据RGB三色板的背景样本确定回归模型参数,并采用范数对回归模型进行优化,优化后的算法有效解决了昆虫图像分割中部分区域分割不理想的问题。实验证明,提出的算法对昆虫图像分割具有良好的应用价值。     

基于多元线性回归快速迭代的室内定位方法研究

主要研究一种新的室内定位方法。该方法采用传统的信号—传播模型,利用多元线性回归法求出该模型中的相应参数,从而利用该模型求出初始各移动终端的位置;再采用快速迭代法和各移动终端相互校正从而提高定位的精度。实验结果表明,该算法时间复杂度小、收敛速度快,且具有较高的估计精度。     

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。     

基于遗传算法模糊多元线性回归分析的瓦斯涌出量预测模型

针对经典线性回归模型不能完全反映变量间的耦合关系而不适宜于有模糊数的瓦斯涌出量预测的问题,提出了一种基于遗传算法模糊多元线性回归分析的瓦斯涌出量预测模型。采用灰关联分析法和SPSS软件线性回归分析法确定影响瓦斯涌出量的主要因素;把历史数据样本分为建模数据样本和检测数据样本,采用遗传算法求出模糊回归参数的中心值和模糊幅值。实验结果表明,该模型具有较高的精确度和可操作性。