1) regressive interpolation
回归插值法
2) regression interpolation function
回归插值函数
1.
Firstly a learning procedure is performed on samples from the image to be processed,then a regression interpolation function is constructed.
鉴于图像的像素和各颜色分量通道间本质上存在某种相关性,以及以支持向量机为核心的统计学习理论具有较好地解决小样本、非线性、高维数问题的能力,提出了一种新的空域图像恢复方法,并通过对来自于待处理图像本身的训练样本的学习,构造自适应的回归插值函数;然后基于该函数对图像作有选择的修改,从而达到图像恢复的目的。
3) principle of regression ratio
回归比值法
4) regression imputation
回归插补
1.
For missing data,based on the unbiased estimation of the population quantity of the non-responser of the interest variables and the auxiliary variables,regression imputation using response probability and its variance estimate are formulated by resampling technologies such as Jackknife and Bootstrap.
对于缺失数据,本文根据目标变量和辅助变量的无回答者总体总量的无偏估计,利用再抽样(复制)技术,构造了使用回答概率的回归插补;进而,利用再抽样(复制)技术,得到了该插补估计的方差估计;并进行了大量模拟,模拟结果表明使用回答概率的回归插补估计及其方差估计具有良好的性质。
2.
Under uniform response,the regression imputation with incomplete auxiliary variable is studied,then the imputation estimate of population mean of interest variable and its Jackknife variance estimate are obtained.
针对抽样调查中经常出现的无回答数据,在均匀回答机制下,讨论了辅助变量不完全情形下的回归插补,给出了目标变量总体均值的插补估计与其Jackknife方差估计,同时给出了该情形下回归插补推广到多元辅助变量的方法。
3.
Under the simple random sampling and uniform response,using regression imputation and ratio imputation for missing data,the consistency of the variance estimators obtained by proportional Bootstrap is proved.
研究了比例Bootstrap,介绍其与通常的Bootstrap方法的差异;对简单随机抽样,在均匀回答的假定下,就缺失数据采取回归插补和比率插补的情形,证明了由比例Bootstrap方法得到的方差估计具有相合性;最后,通过模拟验证了理论结果。
5) regression interpolation
回归插补
1.
The least-square regression interpolation on the target variable under an incomplete condition
目标变量不完全情形下的最小二乘回归插补
2.
For no-answer data situation in sampling investigation,a regression interpolation model for missing data of target variable with two auxiliary variables under uniformity answer mechanism is given out in this paper.
对于抽样调查中经常出现的无回答数据,在均匀回答机制下,给出了两个辅助变量下目标变量缺失数据的回归插补模型。
6) Single-Regression-Advance method
单值回归预控法
补充资料：回归
回归
回归对具有相互联系的现象，根据其关系形式，择一合适的数学模型，用来近似地表达变量间平均变动关系的一种统汁分析方法。19世纪英国的高尔登在研究成年孩子的身高与他们父母的身高关系时发现，高个子父母的孩子虽然也比较高，但特别高的父母其孩子的高度低于父母;反之，特别矮的父母虽然孩子也比较矮，但却高于父母。他提出了身高向平均数回归的结论，这是可归一词的由来，以后在理论和实践方面不断完善。 目前的回归分析通常是指一变量y与另一变量二或一组变量二一(二1，二2，x3……二，)之间有一定关系.但义不是确切的函数关系这种关系可表示为模型: y一f(二)十￡式中x称为自变量，y称为因变量，￡是随机误差项.f(劝称为回归函数。通常y是一维的，而x可以是多维的。当二为多维时，称为多元回归模型。回归分析的目的是通过自变量的一定取值来预测y的取值，或为希望达到预定的y值而对x进行控制。
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