1．用DATA步建立一個永久SAS數據集，數據集名為xt49,數據見表12；對數據集xt49,用普通最小二乘法建立y與x的回歸方程，用多種方法診斷該問題是否存在異方差；如果存在異方差，①建立加權最小二乘回歸方程，②用方差穩定變換消除異方差。
標簽： 用迭代法處理序列相關 并建立回歸模型 ②用一階差分法處理數據 并建立回歸方程 ③比較以上方法所建回歸方程的優良性
上傳時間： 2016-01-29
上傳用戶：會哈123
DSP實驗代碼及報告 功能：對圖像中車輛的底部陰影的提取，利用圖像的均值和方差的差值作為圖像的閾值 待優化部分：函數shadow_detection()
標簽： 什么是資源標簽
上傳時間： 2016-03-07
上傳用戶：zzm_520
I=imread('fig1.jpg');%從D盤名為myimages的文件夾中讀取。格式為jpg的圖像文件chost J=imnoise(I,'salt & pepper',0.02);%給圖像加入均值為0，方差為0.02的淑鹽噪聲 subplot(2,4,1); imshow(I); title('原始圖像'); subplot(2,4,2); imshow(J); title('加入椒鹽噪聲之后的圖像'); %h=ones(3,3)/9; %產生3 × 3的全1數組 %B=conv2(J,h); %卷積運算 %采用MATLAB中的函數對噪聲干擾的圖像進行濾波 Q=wiener2(J,[3 3]); %對加噪圖像進行二維自適應維納濾波 P=filter2(fspecial('average',3),J)/255; %均值濾波模板尺寸為3 K1=medfilt2(J,[3 3]); %進行3 × 3模板的中值濾波 K2= medfilt2(J,[5 5]); %進行5 × 5模板的中值濾波 K3= medfilt2(J,[7 7]); %進行7 × 7模板的中值濾波 K4= medfilt2(J,[9 9]); %進行9 × 9模板的中值濾波 %顯示濾波后的圖像及標題 subplot(2,4,3); imshow(Q); title('3 × 3模板維納濾波后的圖像'); subplot(2,4,4); imshow(P); title('3 × 3模板均值濾波后的圖像'); subplot(2,4,5); imshow(K1); title('3 × 3模板的中值濾波的圖像'); subplot(2,4,6); imshow(K2); title('5 × 5模板的中值濾波的圖像'); subplot(2,4, 7); imshow(K3); title('7 × 7模板的中值濾波的圖像'); subplot(2,4,8); imshow(K4); title('9 × 9模板的中值濾波的圖像');
上傳時間： 2016-06-02
上傳用戶：wxcr_1
方差協方差分量算例分析
標簽： var-cov
上傳時間： 2016-07-19
上傳用戶：xiaoyinguo
本課程提供了一個廣泛的介紹機器學習、數據挖掘、統計模式識別的課程。主題包括： （一）監督學習（參數/ 非參數算法，支持向量機，核函數，神經網絡）。（二）無監督學習 （聚類，降維，推薦系統，深入學習推薦）。（三）在機器學習的最佳實踐（偏差/ 方差理 論；在機器學習和人工智能創新過程）。本課程還將使用大量的案例研究，您還將學習如何 運用學習算法構建智能機器人（感知，控制），文本的理解（W eb 搜 索，反垃圾郵件），計 算機視覺，醫療信息，音頻，數據挖掘，和其他領域。 本課程需要 1 0 周 共 1 8 節 課，
上傳時間： 2017-07-28
上傳用戶：xiaoyuerer
編程產生一組正態分布的白噪聲信號,它的均值和方差以及長度可隨意調整。將產生的白噪聲信號存入數據文件。 本程序算法用C++語言編寫。首先用乘同余法產生均勻分布白噪聲，再用變換抽樣法轉換為高斯分布白噪聲。
標簽： 程序
上傳時間： 2019-02-23
上傳用戶：orange_
SAS 是一個分析數據較好用的分析軟件，我這是方差分析部分課后題，是當年考試題
上傳時間： 2019-04-04
上傳用戶：z429032683
通過定義delta平方為樣本各點的協方差之和RBF神經網絡建模
上傳時間： 2019-05-03
上傳用戶：Readgen
數學建模32種常規方法1..第一章 線性規劃.pdf10.第十章 數據的統計描述和分析.pdf11.第十一章 方差分析.pdf12.第十二章 回歸分析.pdf13.第十三章 微分方程建模.pdf14.第十四章 穩定狀態模型.pdf15.第十五章 常微分方程的解法.pdf16.第十六章 差分方程模型.pdf17.第十七章 馬氏鏈模型.pdf18.第十八章 變分法模型.pdf19.第十九章 神經網絡模型.pdf2.第二章 整數規劃.pdf20.第二十章 偏微分方程的數值解.pdf21.第二十一章 目標規劃.pdf22.第二十二章 模糊數學模型.pdf23.第二十三章 現代優化算法.pdf24.第二十四章 時間序列模型.pdf25.第二十五章 存貯論.pdf26.第二十六章 經濟與金融中的優化問題.pdf27.第二十七章 生產與服務運作管理中的優化問題.pdf28.第二十八章 灰色系統理論及其應用.pdf29.第二十九章 多元分析.pdf3.第三章 非線性規劃.pdf30.第三十章 偏最小二乘回歸.pdf31、支持向量機(數學建模).pdf32、作業計劃(數學建模).pdf4.第四章 動態規劃.pdf5.第五章 圖與網絡.pdf6.第六章 排隊論.pdf7.第七章 對策論.pdf8.第八章 層次分析法.pdf9.第九章 插值與擬合.pdf前言.pdf灰色預測公式的理論缺陷及改進.pdf
標簽： 數學建模
上傳時間： 2021-10-20
上傳用戶：kingwide
時間序列是按時間順序排列的、隨時間變化且相互關聯的數據序列。分析時間序列的方法構成數據分析的一個重要領域，即時間序列分析。時間序列根據所研究的依據不同，可有不同的分類。1.按所研究的對象的多少分，有一元時間序列和多元時間序列。2.按時間的連續性可將時間序列分為離散時間序列和連續時間序列兩種。3.按序列的統計特性分，有平穩時間序列和非平穩時間序列。如果一個時間序列的概率分布與時間t無關，則稱該序列為嚴格的（狹義的）平穩時間序列。如果序列的一、二階矩存在，而且對任意時刻t滿足：（1）均值為常數（2）協方差為時間間隔r的函數。則稱該序列為寬平穩時間序列，也叫廣義平穩時間序列。我們以后所研究的時間序列主要是寬平穩時間序列。4.按時間序列的分布規律來分，有高斯型時間序列和非高斯型時間序列。
上傳時間： 2022-06-24
上傳用戶：
