A：线性回归预测在WSN发送结点的应用（公式、结果）
结果是什么意思呢?
Y： 21:38:59
结果就是仿真结果吧
A： 21:39:23
matlab仿真吗?
Y： 21:39:46
输入一系列数据，得到预测误差序列
A： 21:40:13
预测误差序列?什么是误差序列?
A：21:40:24
就是按回归得到的序列?
Y： 21:41:22
实际值与预测值之差就是误差
不同时刻的误差就构成误差序列吧
A：21:41:48
哦,这个用什么软件来做呢?
Y： 21:42:14
当长时间误差都很大的情况下，还需要重新启动预测过程
Y： 21:43:05
一般的软件都可以完成这种运算
就是把算法转化为程序
A： 21:43:12
还有在回归中我需要不需要把几种情况都讨论出来,还是重点只讲一两种,比如一元线性和多元线性?
Y： 21:43:47
Matlab,C语言都可以
A：21:44:03
还有回归的方法好象只用最小二乘法还不够呢
Y： 21:44:37
为什么呢？
A： 21:46:06
主要是有些采样的函数关系如果事先不知道的话,选用的表达式很难确定
A：21:46:54
拟合结果将有很大的误差
Y 21:48:25
需要大致给出几组实测的温湿度数据，网上可能有，试一下那种回归效果好
A： 21:48:48
恩,我去找找
Y： 21:49:22
就是对于线性回归，阶数也还需要优化
A：21:50:07
如果比较复杂的被测数据,可以分段来建立较低的阶数
A：21:50:21
这样可能要好些吧?
Y： 21:50:30
理论方面你也不可能研究很深，多做实验研究
A： 21:50:46
是的
Y： 21:51:24
这个想法倒是很好，但是什么时候切换呢？
Y： 21:51:47
其实就是要在这一类的地方创新
A：21:52:54
什么时候切换...这个我倒还没想过
A： 21:53:00
可以人为来定吧
A：21:53:14
这个会导致精度高低吧
Y： 21:53:21
针对实际应用需求对已有算法作小小的改进，或者结合几种算法都是常见的创新方式
Y： 21:53:51
在运行过程中，人就不便干预了
Y： 21:55:24
注意design time 和run time的区别
A：21:56:38
有篇文献中讲分段拟合的分段是按2N个采样点来分段的
A：21:57:08
N是最接近于所采用的多项式的最次冥
Y： 21:57:08
要注意应用场合是否有区别
A：21:57:41
我可以先找段数据用这个方法来做一下
Y： 21:58:09
我们用它来实现数据压缩
收发两端是需要同步的，也就是说要用同样的预测系数
Y： 21:58:49
关于工作流程，要多画流程图（用Visio画）
A： 21:59:01
这个我才刚刚开始学
A：21:59:30
我现在只是画些电路图
Y： 21:59:30
很容易学的
A：21:59:46
我看网上好多人都说用这个画图,呵
Y： 22:00:03
电路图用protel画更方便一些
A：22:00:23
protel好象画出来不太好看
Y： 22:01:03
哦
A：22:03:23
文章一般写多少篇幅比较合适呢?
A：22:03:36
我觉得加的东西太多了,越写越长
Y： 22:03:53
四页左右
A：22:04:01
哦
Y： 22:04:04
4000-6000字
回复Comments
作者:
{commentrecontent}