缩略词表 | 第6-7页 |
中文摘要 | 第7-10页 |
ABSTRACT | 第10-13页 |
第一章 前言 | 第14-19页 |
1.1 研究背景 | 第14-15页 |
1.2 研究现状 | 第15-17页 |
1.3 研究内容 | 第17页 |
1.4 课题意义 | 第17页 |
1.5 研究方法 | 第17-18页 |
1.6 论文结构 | 第18-19页 |
第二章 综合投影寻踪回归分析法与综合传统回归分析法的基本理论知识 | 第19-44页 |
2.1 综合投影寻踪回归分析法 | 第19-28页 |
2.1.1 投影寻踪的概念 | 第19-21页 |
2.1.1.1 投影指标 | 第20页 |
2.1.1.2 线性投影 | 第20-21页 |
2.1.1.3 最优投影方向 | 第21页 |
2.1.2 遗传算法 | 第21-26页 |
2.1.2.1 遗传算法的基本概念 | 第21-22页 |
2.1.2.2 遗传算法的特点 | 第22页 |
2.1.2.3 遗传算法的运行过程 | 第22-25页 |
2.1.2.4 遗传算法优化投影方向 | 第25-26页 |
2.1.3 投影寻踪回归 | 第26-27页 |
2.1.4 基于Hermite多项式的投影寻踪回归模型 | 第27-28页 |
2.1.5 R软件中投影寻踪回归分析方法 | 第28页 |
2.2 综合传统回归分析法 | 第28-44页 |
2.2.1 多重线性回归分析回归参数的估计——最小二乘法 | 第28-29页 |
2.2.2 回归诊断 | 第29-34页 |
2.2.2.1 残差分析 | 第29-31页 |
2.2.2.2 共线性诊断 | 第31-32页 |
2.2.2.3 异常点、强影响点以及高杠杆点 | 第32-34页 |
2.2.3 多重共线性处理方法 | 第34-39页 |
2.2.3.1 自变量筛选 | 第34-36页 |
2.2.3.2 主成分回归分析 | 第36-37页 |
2.2.3.3 岭回归分析 | 第37-38页 |
2.2.3.4 偏最小二乘回归分析 | 第38-39页 |
2.2.4 稳健回归 | 第39-40页 |
2.2.5 非线性回归分析 | 第40-44页 |
2.2.5.1 非纯非线性回归分析 | 第40-42页 |
2.2.5.2 纯非线性回归分析 | 第42-44页 |
第三章 综合投影寻踪回归分析法与综合传统回归分析法的比较 | 第44-49页 |
3.1 基本原理上的比较 | 第44页 |
3.2 投影寻踪回归实现的核心问题 | 第44-45页 |
3.3 建模思路比较 | 第45-48页 |
3.3.1 投影寻踪回归模型的算法实现过程 | 第45-46页 |
3.3.2 多重线性回归模型的算法实现过程 | 第46-47页 |
3.3.3 岭回归模型的算法实现过程 | 第47页 |
3.3.4 主成分回归模型的算法实现过程 | 第47-48页 |
3.3.5 偏最小二乘回归模型的算法实现过程 | 第48页 |
3.3.6 稳健回归模型的算法实现过程 | 第48页 |
3.4 两类方法拟合效果和预测效果评价方法 | 第48-49页 |
第四章 数据分析及结果 | 第49-95页 |
4.1 数据质量较好,不存在共线性、异常点等情况 | 第49-63页 |
4.1.1 数据质量较好,不存在共线性、异常点等情况----例 1 | 第49-55页 |
4.1.2 数据质量较好,不存在共线性、异常点等情况----例 2 | 第55-63页 |
4.2 数据存在共线性情况 | 第63-82页 |
4.2.1 数据存在共线性情况----例 3 | 第63-70页 |
4.2.2 数据存在共线性情况----例 4 | 第70-75页 |
4.2.3 数据存在共线性情况----例 5 | 第75-82页 |
4.3 数据存在异常点情况 | 第82-93页 |
4.3.1 数据存在异常点情况----例 6 | 第82-88页 |
4.3.2 数据存在异常点情况----例 7 | 第88-93页 |
4.4 医学相关大样本数据分析 | 第93-95页 |
第五章 讨论 | 第95-98页 |
第六章 结论 | 第98-99页 |
第七章 总结与展望 | 第99-100页 |
7.1 本论文的主要工作 | 第99页 |
7.2 进一步工作展望 | 第99-100页 |
参考文献 | 第100-106页 |
附录 | 第106-124页 |
附录1 基于Hermite多项式的投影寻踪回归技术代码 | 第106-122页 |
附录2 求决定系数和相对误差绝对值均值 | 第122-124页 |
个人简历 | 第124-125页 |
代表论著 | 第125-129页 |
致谢 | 第129页 |