开题报告-机器学习之线性回归模型及应用研究.docVIP

综述本课题的研究动态，说明选题的依据和意义 学习是继专家系统之后人工智能应用的又一重要研究领域，也是人工智能和智能计算的核心研究课题之一。现有的计算机系统和人工智能系统没有什么学习能力，至多也只有非常有限的学习能力，因而不能满足科技和生产提出的新要求。对机器学习的讨论和机器学习研究的进展，必将促使人工智能和整个科学技术的进一步发展。 本课题研究的基本内容，拟解决的主要问题和难点问题 研究内容： 本课题研究机器学习中比较基础的线性回归模型，以及误差分析，并将这些算法在某些领域中进行应用。 拟解决的主要问题和难点问题： 建立线性回归模型，对线性回归模型的分析及应用。 三、研究步骤、方法及措施： 1、首先了解线性回归模型在某领域的应用； 2、了解应用后通过软件设计出相应的线性回归模型； 3、对设计出来的模型进行分析与应用； 4、写论文初稿。 四、工作进度： 序 号 设计（论文）各阶段名称 日 期 1 研究线性回归模型在某领域中的应用； 5-8周 2 通过软件建立线性回归模型； 9-10周 3 对建立的线性回归模型进行分析和评价；撰写论文初稿 11-12周 4 撰写毕业论文 13-14周 5 外文翻译资料，修改、提交论文，准备答辩。 15-16周 主要参考文献： [1]李航.统计学习方法[M].北京:清华大学出版社,2012 [2]Pang-Ning，Michael Steinbach Vipin Kunar.数据挖掘导论（完整版）[M].北京：人民邮电出版社 [3]黄陈锋.基于粗集一支持向量机的电力供需预警研究[D].北京华北电力大学,2006 [4]吕科奇.基于支持向量机的工程项目投资估算方法研究[D].浙江:浙江人学,2004 [5] Varfis. Univariate economic time series forecasting by connectionist methods[C].IEEE ICNN.1990(90):342-345. [6] Lapedes. Nonlinear signal processing using neural networks:Prediction and system modeling[R].Technical ReportLA-UR-87-2662.LosAlamos National Laboratory NM,1987,54-56. [7] 罗士勋.人民币汇率预测和风险管理研究[D].吉林大学，2005. [8] 楚翠玲，马恩涛.我国地方政府性债务风险预警研究-基于BP神经网络的分析[J].广西财经学院学报,2016(5):58-67 [9] 刘潋滟.我国财政风险监测预警方法优选及BP神经网络模型实践[D].云南财经大学，2016. [10]薛晔，蔺琦珠，任 耀.我国通货膨胀风险的预测模型-基于决策树BP神经网络[J].经济问题，2016（1）：82-89. [11] Sexton J, Laake P. Standard Errors for Bagged and Random Forest Estimators[J]. Computational Stastistics, 2008, 2(3):841-860. 六、指导教师审核意见： 指导教师签字： 　　 年　　月　　日 七、专业系（教研室）评议意见： 系（教研室）主任签字： 　　 年　　月　　日 八、学院领导审核意见： 1．通过； 2．完善后通过；　　　　　３．未通过 学院领导签字：　　　　 　　　　　　　　　　　 　　 年　　月　　日 4