| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 1. 绪论 | 第8-15页 |
| 1.1 选题背景和意义 | 第8-9页 |
| 1.1.1 选题背景 | 第8页 |
| 1.1.2 理论意义 | 第8页 |
| 1.1.3 实际意义 | 第8-9页 |
| 1.2 国内外研究状况 | 第9-11页 |
| 1.3 本文结构 | 第11页 |
| 1.4 课题相关背景知识介绍 | 第11-13页 |
| 1.4.1 多元线性回归模型 | 第11-12页 |
| 1.4.2 多元线性回归模型的最小二乘估计 | 第12-13页 |
| 1.5 本章小结 | 第13-15页 |
| 2. 岭回归估计 | 第15-23页 |
| 2.1 岭回归的背景 | 第15-16页 |
| 2.2 岭回归的基本思想 | 第16页 |
| 2.3 岭回归的定义 | 第16-17页 |
| 2.4 岭回归的性质 | 第17页 |
| 2.5 岭回归参数k的选择 | 第17-21页 |
| 2.5.1 岭迹图法 | 第17-18页 |
| 2.5.2 方差扩大因子法 | 第18-20页 |
| 2.5.3 残差平方和法 | 第20页 |
| 2.5.4 常见的岭回归估计参数k的选取 | 第20-21页 |
| 2.6 本章小结 | 第21-23页 |
| 3. 数据增广方法及其应用 | 第23-29页 |
| 3.1 数据增广方法介绍 | 第23-24页 |
| 3.2 数据增广简单应用 | 第24-25页 |
| 3.3 基于数据增广方法的贝叶斯logistic回归模型 | 第25-28页 |
| 3.3.1 贝叶斯logistic回归模型 | 第25-26页 |
| 3.3.2 双层辅助变量增广方法 | 第26页 |
| 3.3.3 单层辅助变量增广方法 | 第26-28页 |
| 3.4 本章小结 | 第28-29页 |
| 4. 基于数据增广方法改进的岭回归估计 | 第29-43页 |
| 4.1 基于数据增广方法改进的岭回归估计方法 | 第29-33页 |
| 4.2 数据模拟 | 第33-42页 |
| 4.3 本章小结 | 第42-43页 |
| 结论 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 附录A | 第47-52页 |
| 附录B | 第52-67页 |
| 致谢 | 第67-68页 |