Please wait a minute...
吉林化工学院学报, 2020, 37(7): 10-12     https://doi.org/10.16039/j.cnki.cn22-1249.2020.07.003
  本期目录 | 过刊浏览 | 高级检索 |
基于EM算法的混合线性回归模型的应用研究
范晓东1,崔莹2,张庆春1
1.吉林化工学院 理学院,吉林 吉林 132022;2.辽宁师范大学 数学学院,辽宁 大连 116029
Research on the Application of Mixture of Linear Regression Model Based on EM Algorithm
FAN Xiaodong1,CUI Ying2,ZHANG Qingchun1
下载:  PDF (340KB) 
输出:  BibTeX | EndNote (RIS)      
摘要 

研究了带有删失数据的混合线性回归模型的参数估计问题,利用EM算法建立了混合线性回归模型的参数估计程序.收集了2019年46个国家的人均国民生产总值和人均二氧化碳排放量的数据,建立了人均国民生产总值关于人均二氧化碳排放量的混合线性回归模型并且对数据进行了分析,为一些低国民生产总值国家的未来发展政策提供依据。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
范晓东
崔莹
张庆春
关键词:  EM算法  国民生产总值  混合线性回归模型     
Abstract: 

The parameter estimation of mixture of linear regression model with censored data is studied. The procedure of parameter estimation of mixture of linear regression model is established by EM algorithm. We collected data on GNP per capita and carbon dioxide emissions per capita in 28 countries in 2019.The mixture of linear regression model is used to fit for dataset of per capita GNP on carbon dioxide emissions and the dataset is analyzed, which provides the basis of the future development policies for some low GNP countries.

Key words:  EM algorithm    gross nation product    mixture of linear regression model
               出版日期:  2020-07-25      发布日期:  2020-07-25      整期出版日期:  2020-07-25
ZTFLH:  O212.1  
引用本文:    
范晓东, 崔莹, 张庆春. 基于EM算法的混合线性回归模型的应用研究 [J]. 吉林化工学院学报, 2020, 37(7): 10-12.
FAN Xiaodong, CUI Ying, ZHANG Qingchun. Research on the Application of Mixture of Linear Regression Model Based on EM Algorithm . Journal of Jilin Institute of Chemical Technology, 2020, 37(7): 10-12.
链接本文:  
http://xuebao.jlict.edu.cn/CN/10.16039/j.cnki.cn22-1249.2020.07.003  或          http://xuebao.jlict.edu.cn/CN/Y2020/V37/I7/10
[1] 钱有程. 改进的无监督同时正交基聚类特征选择 [J]. 吉林化工学院学报, 2019, 36(7): 80-85.
[2] 钱有程. 基于局部类相似的特征选择方法 [J]. 吉林化工学院学报, 2019, 36(5): 93-96.
[3] 张庆春, 李晓梅, 范晓东. 基于二项稀疏算子的整值自回归模型的经验似然推断 [J]. 吉林化工学院学报, 2019, 36(1): 90-93.
No Suggested Reading articles found!
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed