楊宇 李永國 程軍圣
摘要:多變量預測模型(Variable predictive ITIOdel based class discriminate,簡稱VPMCD)分類方法是建立在回歸模型為同方差性基礎上的,而當模型出現畀方差性時,會導致預測精度降低.基于此,本文提出了WVPMCD(WLS-Variable predictive model based class discriminate,簡稱VfVPMCD)方法,即用加權最小二乘法(WI_S)代替原方法中的最小二乘法(OLS)進行參數估計,消除異方差性,從而提高了模式識別的精度.endprint
摘要:多變量預測模型(Variable predictive ITIOdel based class discriminate,簡稱VPMCD)分類方法是建立在回歸模型為同方差性基礎上的,而當模型出現畀方差性時,會導致預測精度降低.基于此,本文提出了WVPMCD(WLS-Variable predictive model based class discriminate,簡稱VfVPMCD)方法,即用加權最小二乘法(WI_S)代替原方法中的最小二乘法(OLS)進行參數估計,消除異方差性,從而提高了模式識別的精度.endprint
摘要:多變量預測模型(Variable predictive ITIOdel based class discriminate,簡稱VPMCD)分類方法是建立在回歸模型為同方差性基礎上的,而當模型出現畀方差性時,會導致預測精度降低.基于此,本文提出了WVPMCD(WLS-Variable predictive model based class discriminate,簡稱VfVPMCD)方法,即用加權最小二乘法(WI_S)代替原方法中的最小二乘法(OLS)進行參數估計,消除異方差性,從而提高了模式識別的精度.endprint