基于Logistic回归模型的城市居民公交出行决策分析

城市居民的公交出行特性与居民的出行目的、到目的地的距离、步行至公交站点的时间、乘坐公交车需要换乘的次数和拥有的私人交通工具密切相关。通过回归计算得到量化居民公交出行决策模型,能更好地把握城市居民出行的特性和公交现状之间的关系,为城市公共交通规划和管理提供科学的依据。在铜陵市居民公交出行调查的基础上,计算得到了模型的各个参数值,并进行了影响因素的显著性分析,该模型在城市公交出行决策分析上具有很好的适用性,也为城市居民的出行研究提供了新的思路。     

基于二元Logistic回归的犹豫区判别模型研究

以每个周期内最后一个通过和第一个停止的机动车为对象进行观测研究.利用二元Logistic回归理论,建立犹豫区判别模型,同时通过北京市典型交叉口实例获取了国内驾驶特征下的犹豫区判别模型,解决了犹豫区消除设施的工作状态选择问题.     

基于二元Logistic回归的犹豫区判别模型研究

以每个周期内最后一个通过和第一个停止的机动车为对象进行观测研究,利用二元Logistic回归理论,建立犹豫区判别模型．同时通过北京市典型交叉口实例获取了国内驾驶特征下的犹豫区判别模型,解决了犹豫区消除设施的工作状态选择问题。     

根面龋的危险因素Logistic回归分析

目的分析引起根面龋的危险因素。方法采用分层随机抽样方法,对唐山市600名40岁以上中老年人进行口腔健康检查,数据应用SAS 8.0软件进行Logistic多因素回归分析。结果Logistic多因素回归分析表明年龄、口腔牙石指数、义齿修复和牙龈退缩4个因素是中老年人根面龋的相关危险因素,竖式刷牙、使用含氟牙膏是根龋的保护性因素。结论年龄、口腔牙石指数、义齿修复和牙龈退缩是根面龋的相关危险因素。     

基于有序Logistic 回归的城市人行道 服务水平研究

科学的人行道服务水平评价方法可以为营造良好的步行出行环境提供有力的 理论支撑.针对人行道服务水平等级为定序变量的特点,本文提出了基于有序Logistic 回 归模型的人行道服务水平评价方法.首先,选择北京市交通枢纽地区34 条典型人行道进 行行人满意度调查,获取典型、全面的数据样本;然后,采用模糊C 均值聚类方法得到行 人满意度与人行道服务水平等级的对应关系;最后,应用逐步回归方法提取人行道服务 水平显著性影响因素并分析其影响机理,进而建立人行道服务水平等级的有序Logistic 回归模型.通过实际验证,模型精度较现有的线性回归模型有所提高.     

基于累积Logistic回归模型的管制员应激程度预测

分析并筛选出影响管制员应激行为的7个显著相关指标,并将管制员应激程度进行有序多分类后,建立了基于累积Logistic的管制员应激程度预测模型,并对模型预测效果进行平行性检验。利用某空管局实际采集数据中的另外74名管制员的定量测量数据进行分析,验证预测模型的可行性。结果表明:该模型的拟合优度判定系数(Pearsonχ~2统计量和Deviance统计量)的显著水平分别为0.076,0.690,远大于0.05;对实测数据的预测准确率达到75.67%,该模型对管制员应激程度的预测较为精确。     

非胰岛素依赖型糖尿病患者影响因素的非条件Logistic回归分析

收集西安市若干医院内分泌门诊和病房的非胰岛素依赖型糖尿病（Noninsulindependentdiabetesmellitus，NIDDM）患者100例作为病例组，以同院、同时就诊的非糖尿病的外科患者100例作为对照，进行非条件Logistic回归分析。结果显示：NIDDM患者的家族遗传史、肥胖及脂肪主要蓄积在上半身（腰臀比值较大）、重大精神刺激、喜食甜食和富脂类食物等的比例显著高于对照组（P＜0．05）；而喜食水果、中及重型体力劳动强度的比例显著低于对照组（P＜0．05）。研究结果将为今后进行NID－DM社区干预及该病的预防提供依据。     

基于Logistic回归模型的电动自行车出行特征分析

本文基于电动自行车使用者和非电动自行车使用者抽样调查数据,从居民收入、出行距离和时耗等方面采用Logistic模型进行分析,建立了基于Logistic的电动自行车出行方式选择模型,并且计算了电动自行车的出行距离和时耗曲线.本文的研究成果填补了目前自行车交通研究的一项空白,为政府机构制定相关政策提供了基础研究支持.     

基于数据挖掘的道路交通事故成因分析

为减少道路交通事故的发生,基于某市2020年的交通事故数据分析道路交通事故规律及成因,以照明条件、能见度和天气等9个因素为自变量,以无伤害、轻伤、重伤及死亡等4种交通事故严重程度为因变量,采用多元Logistic回归模型和有序多分类Logistic回归模型,分析影响交通事故严重程度的重要因素。对某市2021年第1季度的交通事故数据进行验证,结果表明：多元Logistic回归模型和有序多分类Logistic回归模型对交通事故严重程度的正确预测率分别为75.1%、75.0%。基于数据挖掘的道路交通事故成因分析可为交通管理部门治理交通环境、降低交通事故提供依据。     

陕西省孕龄妇女既往生育史与小于胎龄儿的多水平Logistic回归分析

目的分析既往生育史与小于胎龄儿发生的关系,为小于胎龄儿的预防提供理论依据。方法采用分层多阶段随机抽样方法获得的陕西省出生缺陷现状及其危险因素调查数据,排除出生体重、孕周和母亲基本情况缺失的记录后,共纳入27 253名妇女进入本次研究。使用SAS 8.0的Proc nlmixed过程,以新生儿是否为小于胎龄儿为因变量,以孕次、产次、自然流产史、人工流产史、药物流产史、引产史、异位妊娠史、葡萄胎史和剖宫产史为自变量,建立以个体为水平1、区县为水平2的两水平Logistic回归模型。Model 1仅研究小于胎龄儿和既往生育史之间的关系,Model 2在Model 1的基础上校正了胎儿性别、母亲年龄、母亲学历、母亲职业、母亲民族、孕期有无服用叶酸、孕期有无贫血、产检次数共8个危险因素。结果陕西省小于胎龄儿的发生率为12.1%,高于全国平均水平。Model 1中产次≥3次相较于产次≤2次是小于胎龄儿发生的危险因素(OR:1.54,95%CI:1.20～1.98),有人工流产史可以降低小于胎龄儿的发生(OR:0.76,95%CI:0.63～0.92)。Model 2在校正了相应的混杂因素后,仅产次≥3次是小于胎龄儿发生的危险因素(OR:1.57,95%CI:1.23～2.03)。结论在临床中应当重点关注高产次的孕妇,同时加强对孕产妇的健康教育,减少小于胎龄儿的发生。     

Logistic Regression for Evolving Data Streams Classification

Logistic regression is a fast classifier and can achieve higher accuracy on small training data.Moreover,it can work on both discrete and continuous attributes with nonlinear patterns.Based on these properties of logistic regression,this paper proposed an algorithm,called evolutionary logistical regression classifier(ELRClass),to solve the classification of evolving data streams.This algorithm applies logistic regression repeatedly to a sliding window of samples in order to update the existing classifier,to keep this classifier if its performance is deteriorated by the reason of bursting noise,or to construct a new classifier if a major concept drift is detected.The intensive experimental results demonstrate the effectiveness of this algorithm.     

基于logistic回归分析的路段人行横道机动车让行研究

为探究道路交通条件对路段人行横道机动车让行的影响,通过无人机视频调查,采集了20处路段人行横道机动车通行过程数据,在对logistic模型应用条件进行检验的基础上,建立了路段人行横道机动车让行概率模型,并检验了模型的准确性。模型分析结果表明,安全间距、车速、监控、车道数、行人数量和行人位置对让行率具有显著影响;通过增设监控和行人中央驻足区可分别提高让行率为原来的3.700倍和4.339倍,当车道数大于4时,即使采取监控措施让行率仍将小于30%,应采用信号控制。     

上市公司财务预警的正则化逻辑回归模型

基于统计学习理论的正则化技术构建L1(一范数约束惩罚)正则化的逻辑回归(Logistic Regression)模型,同比建立了logistic回归模型和L2(二范数约束惩罚)正则化的logistic回归模型,结合沪深股市ST公司和正常公司的T-3年和T-2年财务数据进行仿真实验用于上市公司财务预警实证分析.实验结果表...     

基于网络核密度的网约车上下客热点识别

为分析网约车上下客热点的时空分布特性,利用网约车订单数据,构建基于网络核密度估计的上下客热点识别模型,采用回归模型对热点进行聚类和分级。通过研究区域划定、数据清洗和筛选,引入以路网距离为度量的网络核密度估计方法,基于非均质网络方向延展和网络距离衰减效应,对工作日和非工作日的特征时段内网约车上下客点的核密度值进行估计。采用零膨胀负二项回归模型对核密度值进行聚类,识别出研究区域的热点路段分布及其等级。通过与平面核密度估计结果对比分析,本文提出的网络核密度估计方法体现了上下客热点在路段和交叉口的分布特点,表征了实际的交通需求与路网结构的关系。研究结论为优化城市网约车的运营管理、提高城市居民出行效率提供理论依据。     

物流系统柔性能力研究

分析了物流系统不确定性的基本类型,给出了物流系统柔性的定义、性质和类型,建立了物流系统柔性研究的总体框架,比较了物流系统柔性度量的两种不同思路,并提出了实现物流系统柔性能力的策略.     

物流系统柔性能力研究

分析了物流系统不确定性的基本类型,给出了物流系统柔性的定义、性质和类型,建立了物流系统柔性研究的总体框架,比较了物流系统柔性度量的两种不同思路,并提出了实现物流系统柔性能力的策略.     

基于水印序号的抗裁剪音频数字水印算法

提出一种基于水印序号的抗裁剪音频数字水印算法.该算法在音频信号中嵌入同步码、水印序号和二值水印图像,具有如下特点:利用同步技术,能有效对抗音频信号受到的随机裁剪攻击;水印序号的嵌入,能使检测到的水印信息自动定位在图像上.仿真实验表明,该算法在抵抗加性噪声和裁剪攻击等方面达到了较高的鲁棒性.     

基于加权核密度估计的自适应运动前景检测方法

为解决监控视频背景初始化过程中前景干扰的问题,提出了一种基于加权核密度估计(KDE)的自适应运动前景检测方法.该方法对时间域变化稳定的像素值进行加权,并利用核密度估计构建背景模型,避免了背景初始化过程中前景的干扰.基于该背景模型,提出了一种新的阈值设定策略.该策略根据前景空间分布的连续性自适应获得前景阈值,填充前景中的"孔",并更新阈值.实验结果表明:即使场景中存在运动前景,该方法能够在多种场景下获得90%以上的查准率和查全率,其性能优于传统的背景差法.