1) nonparametric regression model
非参数回归模型
1.
The computed results showed that the nonparametric regression model could achieve better results than the linear regression model for national final consumption.
结果表明,相对于线性回归模型而言,非参数回归模型能够很好地解决我国国民最终消费问题,预测精度较高。
2.
Based on the empirical likelihood ratio test is proposed to test the autocorrelation of the random errors in nonparametric regression model.
基于经验似然的方法构造了检验统计量,对非参数回归模型中的误差进行了相关性假设检验,获得了零假设下检验统计量的渐近分布为χ2分布。
3.
The model is applied to predict the total amount of Chinese population,and the results show that nonparametric regression model is better than linear regression model,at the same time,the situation orthogonal sequence estimate is superior to k-near neighbour estimate for the dynamic relation between the total amount of Chinese population and nation.
结果表明:非参数回归模型优于线性回归模型,同时正交序列估计效果也优于k-近邻估计。
2) nonparametetric kernel regression model
非参数核回归模型
4) Nonparametric autoregressive model
非参数自回归模型
1.
Nonparametric autoregressive model have gained much attention recently, due primarily to the fact that they can describe some nonlinear features exhibited by many data itself in applications.
非参数自回归模型因其能够描述许多数据自身所体现的非线性特征而受到人们的广泛关注。
6) semiparametric regression model
半参数回归模型
1.
Asymptotic behavior of semiparametric regression model under missing data;
缺失数据下半参数回归模型的渐近性质
2.
Local linear smoothing to semiparametric regression model under missing response data;
缺失数据下半参数回归模型的局部线性光滑
3.
Convergence rates of M-estimates in a semiparametric regression model;
一类半参数回归模型中M估计的收敛速度
补充资料：非参数模型辨识
利用直接记录或分析系统的输入和输出信号的方法估计系统的非参数模型。所谓非参数模型是指系统的数学模型中非显式地包含可估参数。例如，系统的传递函数、频率响应、脉冲响应、阶跃响应等都是非参数模型。非参数模型通常以响应曲线或离散值形式表示。非参数模型的辨识可通过直接记录系统输出对输入的响应过程来进行；也可通过分析输入与输出的自相关和互相关函数(见相关分析法建模)，或它们的自功率谱和互功率谱函数(见频谱分析方法建模)来间接地估计。非参数模型是经典控制理论中常用的描述线性系统的数学模型。传递函数反映输入与输出的拉普拉斯变换在复数域上的响应关系，频率响应反映它们的傅里叶变换在频率域上的响应关系，而脉冲响应和阶跃响应则是在时域上的响应关系。它们从不同的方面反映系统的动态特性。非参数模型比参数化模型直观，辨识非参数模型的方法和计算也比辨识参数化模型的简单。脉冲响应可以用直接记录输入脉冲函数的输出响应的方法来辨识；频率响应也可以直接利用单频正弦输入信号的响应来辨识。但是这种直接辨识方法只能应用于无随机噪声的确定性系统。对于有随机噪声的系统或随机输入信号，必须使用相关分析法或功率谱分析方法。随着快速傅里叶变换仪、伪随机信号发生器和相关仪的问世，辨识系统的非参数模型已变得比较容易。但非参数模型应用于实时控制和适应性控制仍不如参数化模型方便。非参数模型在某些情形下，可以转化为参数模型。例如，如果一个系统的传递函数可以表示为有理分式H(s)=K/(a+s)，则系统的模型可以用常微分方程y＇+ay=ku表示，a与k为待估计的模型参数，这是参数化模型。又如，对于离散系统的权函数序列（离散脉冲响应序列）{hi，i=0,1,...}，如果在i充分大（如i>N0），而│hi│充分小时,则模型可以表示为并可用最小二乘法给出有穷权函数序列{hi，i=0,1,...N0}的估计。一般说来,由参数模型容易获得非参数的脉冲响应或频率响应，但由非参数模型化为参数模型则要困难得多。
参考书目
P.艾克霍夫著，潘科炎、张永光等译：《系统辨识：状态与系统参数估计》，科学出版社，北京，1980。(P.Eykhoff, Systems Identification, Wiley, London,1974.)
参考书目
P.艾克霍夫著，潘科炎、张永光等译：《系统辨识：状态与系统参数估计》，科学出版社，北京，1980。(P.Eykhoff, Systems Identification, Wiley, London,1974.)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条