【CN109815444A】基于多元线性回归处理非线性数据的方法和装置【专利】

合集下载

一种考虑光谱变异性的高光谱图像非线性解混方法[发明专利]

专利名称：一种考虑光谱变异性的高光谱图像非线性解混方法专利类型：发明专利
发明人：智通祥,王斌
申请号：CN201810579080.9
申请日：20180607
公开号：CN109035154A
公开日：
20181218
专利内容由知识产权出版社提供
摘要：本发明属于遥感图像处理技术领域，具体为一种考虑光谱变异性的高光谱图像非线性解混方法。

本发明首先利用核方法将原始数据映射到高维特征空间，在高维空间中考虑光谱变异系数进行线性解混；同时，依据地物分布的空间连续性，对丰度和变异系数添加局部平滑约束，使得二者具有空间上的平滑性。

本方法在Hapke和GBM两种非线性混合模型中存在光谱变异性时，能进行有效的无监督非线性光谱解混。

本发明能克服不同非线性混合场景中存在的光谱变异性问题，提高光谱解混的精度，在实际应用中具有重要的意义。

申请人：复旦大学
地址：200433 上海市杨浦区邯郸路220号
国籍：CN
代理机构：上海正旦专利代理有限公司
更多信息请下载全文后查看。

一种面向神经网络的通用非线性激活函数计算装置和方法[发明专利]

专利名称：一种面向神经网络的通用非线性激活函数计算装置和方法
专利类型：发明专利
发明人：潘红兵,席挺,王宇宣,朱杏伟
申请号：CN201910944451.3
申请日：20190930
公开号：CN110688088A
公开日：
20200114
专利内容由知识产权出版社提供
摘要：本发明公开了一种面向神经网络的通用非线性激活函数计算装置和方法。

其计算装置包括乘法器、输入选择单元、寻址单元、查找表单元、FIFO单元、乘加运算单元、线性转换单元和输出选择单元。

本发明提供的面向神经网络的通用非线性函数计算装置和方法，使用分段线性逼近方法对sigmoid函数进行分段线性拟合操作，利用sigmoid函数和tanh函数的数学关系，共用寻址单元和查找表资源，通过模式选择和相应的线性变化来实现神经网络中不同的非线性函数的运算，从而减少片上计算和存储资源的消耗。

申请人：南京大学
地址：210046 江苏省南京市栖霞区仙林大道163号
国籍：CN
代理机构：江苏法德东恒律师事务所
代理人：李媛媛
更多信息请下载全文后查看。

一种用于针对神经网络执行非线性运算的方法和装置[发明专利]

专利名称：一种用于针对神经网络执行非线性运算的方法和装置
专利类型：发明专利
发明人：韩银和,许浩博,王颖
申请号：CN201711103463.0
申请日：20171110
公开号：CN107861916A
公开日：
20180330
专利内容由知识产权出版社提供
摘要：本发明提供一种用于在神经网络中执行非线性函数运算的方法，包括：1)根据所述非线性函数的输入值的范围，划分多个分段区间；2)针对所述多个分段区间中的每一个，将其两个端点值分别作为所述非线性函数的自变量，计算获得与所述分段区间对应的两个因变量；3)将所述计算获得的与所述分段区间对应的所述两个因变量和所述两个自变量作为与所述分段区间对应的线性函数上的两点，计算与每个分段区间对应的线性函数的斜率和截距；4)针对所述多个分段区间中的每一个，存储与其对应的斜率和截距，以用于执行所述非线性函数运算。

申请人：中国科学院计算技术研究所
地址：100190 北京市海淀区中关村科学院南路6号
国籍：CN
代理机构：北京泛华伟业知识产权代理有限公司
代理人：王勇
更多信息请下载全文后查看。

一种超声系统中非线性压缩的方法与装置[发明专利]

专利名称：一种超声系统中非线性压缩的方法与装置专利类型：发明专利
发明人：皮兴俊
申请号：CN200910108830.5
申请日：20090723
公开号：CN101961248A
公开日：
20110202
专利内容由知识产权出版社提供
摘要：本发明公开了一种超声系统中非线性压缩的方法与装置，其包括：设置在处理器片内存储资源中的存储单元，用于存储b2份含有非线性变换参数的查找表；与所述控制单元相连的比较及地址获取单元，用于利用二分查表法逐级查找所述多份查找表，并依次将从查找表中获得的数据与输入的待压缩数据进行比较，用当前比较结果生成下一份查找表的查找地址，当所有查找表均查找完毕时输出最后一次的比较结果。

本发明不需要片外查表，数据量小、成本低；且速度快，效率高。

申请人：深圳迈瑞生物医疗电子股份有限公司
地址：518057 广东省深圳市南山区高新技术产业园区科技南十二路迈瑞大厦
国籍：CN
代理机构：深圳市君胜知识产权代理事务所
代理人：杨宏
更多信息请下载全文后查看。

集成多元线性回归算法[发明专利]

专利名称：集成多元线性回归算法专利类型：发明专利
发明人：王晓军,张强,袁平
申请号：CN201710058008.7申请日：20170123
公开号：CN106909719A
公开日：
20170630
专利内容由知识产权出版社提供
摘要：本发明公开了集成多元线性回归算法,属于计算机应用技术领域。

本发明包括，第一步:已知训练集L＝{(X,Y):X∈R,Y∈R,k＝1,...,N}，令θ表示叶节点最少样本个数；第二步:以分裂后的两个样本集在输出变量上具有最小均方误差为分裂准则。

本发明利用了回归树和MLR简单、快速的优点，同时克服了MLR无法准确描述复杂非线性数据集全局特性的缺点。

期望EMLRs算法能够提高风洞马赫数的预测精度，满足工程上马赫数预测速度及精度的要求，均方根误差低于0.002。

申请人：大连大学
地址：116622 辽宁省大连市开发区学府大街10号
国籍：CN
代理机构：大连八方知识产权代理有限公司
代理人：卫茂才
更多信息请下载全文后查看。

一种基于非线性运动学模型的机器人控制方法[发明专利]

专利名称：一种基于非线性运动学模型的机器人控制方法专利类型：发明专利
发明人：吕燕,杨忠林,潘炳伟
申请号：CN201811409223.8
申请日：20181123
公开号：CN109483542A
公开日：
20190319
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于非线性运动学模型的多关节机器人控制方法，包括对多关节机器人轴关节建立非线性动力学模型；获得非线性动力学模型后，将前馈控制和反馈控制相结合，调整未测量数据对非线性动力学模型的干扰，提高非线性动力学模型的控制精度，实现对机器人的控制。

其有益效果为：本发明从运动学及动力学两个方面考虑其非线性因素以及机器人两个关节机械臂的影响，建立模型，通过实验数据的方法辨识所建立的模型，以提高工业机器人的动态特性，增强建模精度；通过前馈补偿控制与反馈控制相结合的控制策略，提高机器人的控制精度和动态相应特性。

申请人：上海电气集团股份有限公司
地址：200336 上海市长宁区兴义路8号30层
国籍：CN
代理机构：上海容慧专利代理事务所(普通合伙)
代理人：于晓菁
更多信息请下载全文后查看。

一种基于差分进化算法的非线性独立成分分析方法[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201710427230.X(22)申请日 2017.05.26(71)申请人宁波大学地址 315211 浙江省宁波市江北区风华路818号信息学院521室(72)发明人石立康　童楚东　朱莹　(51)Int.Cl.G06F 17/16(2006.01)(54)发明名称一种基于差分进化算法的非线性独立成分分析方法(57)摘要本发明公开一种基于差分进化算法的非线性独立成分分析方法，旨在解决传统独立成分分析方法的两个局限性：其一，牛顿迭代求解容易陷入局部最优或不收敛问题；其二，无法直接分析非线性数据或信号。

本发明方法结合利用核学习与差分进化算法迭代求取非线性独立成分，并得出分离矩阵从而使原始数据或信号分离出非线性独立成分。

与传统方法相比，本发明方法采用的差分进化算法不仅能避免迭代求解过程陷入局部极小值，而且还不需要白化预处理过程避免了原始数据信息的扭曲或者丢失。

另外，差分进化算法针对不同初始值反复运算都能收敛到同一个解，保证了非线性独立成分的稳定性。

因此，针对非线性数据或信号，本发明方法是一种更为优选的分析方法。

权利要求书2页说明书5页附图2页CN 107273338 A 2017.10.20C N 107273338A1.一种基于差分进化算法的非线性独立成分分析方法，其特征在于，包括以下步骤：(1)将待分析处理的数据标记为矩阵X＝[x1，x2，…，x N]∈R M×N，x n∈R M×1表示第n个采样时刻从M个通道获得的观测信号组成的样本列向量，其中，N为样本数，M为观测通道数，R表示实数集，R M×N表示M×N维的实数矩阵，下标号n＝1，2，…，N；(2)按照如下所示公式对X中的样本进行标准化处理，得到新矩阵上式中，为样本x n标准化后的结果，均值向量μ＝(x1+x2+…+x N)/N，对角矩阵Φ∈R M×M按照如下所示公式计算：其中，x n，m为向量x n中的第m个元素，μm为向量μ中的第m个元素，m＝1，2，…，M，Φm，m实为第m个观测通道的标准差估计值；(3)设置核函数参数c＝5M后，按照下式计算核矩阵K∈R N×N中的第(i，n)个元素K i，n：上式中，下标号i＝1，2，…，N，exp表示以自然常数e(约为2.71828)为底的指数函数，符号|| ||表示计算向量的长度；(4)依据如下公式对矩阵K进行中心化处理，即：上式中，方阵L∈R N×N中各元素都为1；(5)设置差分进化算法的参数，包括种群数nP＝6M、缩放因子F＝0.6、以及交叉概率p＝0.1；(6)令下标号k表示提取的第k个非线性独立成分S k，并初始化k＝1；(7)任意初始化nP个种群w1，w2，…，w nP后，运行差分进化算法待其满足终止条件后输出最好的种群w best，并计算分离向量αk，那么相应的非线性独立成分为(8)判断k≥3n/4？若否，置k＝k+1后返回步骤(7)；若是，则执行下一步骤(9)；(9)将所有得到的分离向量组成矩阵W＝[α1，α2，…，αk]∈R N×k，所有的非线性独立成分组成矩阵S＝[S1，S2，…，S k]∈R n×k；(10)将矩阵S中的各列按非高斯性大小进行降序排列后，相应地改变分离矩阵W中各列的先后的顺序得到新的分离矩阵那么利用本发明方法为X分离出的非线性独立成分为2.根据权利要求1所述的一种基于差分进化算法的非线性独立成分分析方法，其特征在于，所述步骤(7)的具体实施过程如下所示：①置迭代次数I＝0，开始执行差分进化算法；②按照如下所示公式计算每个种群w q∈R N×1所对应的适应度值J q，即：J q＝f(w q)＝E[G(t q)] (5)其中，q＝1，2，…，nP为种群标号，f(w q)为适应度函数，E表示求取均值，函数G(t q)＝log [cosh(t q)]，自变量t q的计算方式如下所示：③将当前整个种群中取得最大适应度值的种群标记为B l，相应的适应度值记为f(B l)，并根据如下所示公式为每个种群产生一个变异向量v q∈R N×1：v q＝w q+F(B l-w q)+F(w a-w b) (7)其中，下标号a与b为从区间[1，nP]中随机产生的2个互不相同的整数；④按照如下所示公式对变异向量v q进行修正，即：其中，v q，n表示向量v q中的第n个元素，n＝1，2，…，N；⑤根据如下所示公式产生尝试向量u q∈R N×1，即：其中，u q，n与w q，n分别为u q与w q中第n个元素，向量rand∈R N×1中各元素都是0到1之间均匀分布的任意随机小数，rand n则为随机向量rand中的第n个元素；⑥置I＝I+1后，依据如下所示公式更新种群w a，即：⑦更新完所有种群后，找出种群对应的适应度值中的最大值(记做f best)，判断是否满足条件：I＞2000或|f best-f(B l)|＜10-6？若否，返回③继续执行；若是，输出对应于适应度值f best的种群w best，并计算分离向量与非线性独立成分3.根据权利要求1所述的一种基于差分进化算法的非线性独立成分分析方法，其特征在于，所述步骤(10)中的排序过程具体为：①按照如下公式分别计算S1，S2，…，S k的非高斯性大小F g，即：F g＝{E[G(S g)]-E[G(ζ)]}2 (11)其中，下标号g＝1，2，…，k，函数G(ζ)＝log[cosh(u)]，ζ表示一任意均值为0，标准差为1的高斯分布的随机变量；②按F1，F2，…，F k数值大小进行降序排列，根据排列顺序对应地改变分离矩阵W中各列的先后的顺序得到新的分离矩阵一种基于差分进化算法的非线性独立成分分析方法技术领域[0001]本发明涉及一种数据挖掘方法，尤其是涉及一种基于差分进化算法的非线性独立成分分析方法。

一种基于安全两方计算线性回归算法的数据隐私保护系统[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202011004265.0(22)申请日 2020.09.22(71)申请人上海海洋大学地址 201306 上海市浦东新区沪城环路999号(72)发明人魏立斐　张蕾　李梦思　陈聪聪　(74)专利代理机构上海申浩律师事务所 31280代理人张洁(51)Int.Cl.G06F 21/62(2013.01)H04L 9/00(2006.01)H04L 9/08(2006.01)H04L 29/06(2006.01)(54)发明名称一种基于安全两方计算线性回归算法的数据隐私保护系统(57)摘要本发明公开了一种基于安全两方计算的线性回归算法，所述方法包括以下步骤：步骤S1：采用秘密共享值的乘法；步骤S2：训练数据预处理；步骤S3：参数初始化；S4：模型参数更新；步骤S5：预测数据预处理；步骤S6：计算预测共享值；步骤S7：重构预测结果。

本文方案在保证数据和模型参数隐私不被泄露的同时，所需要的通信开销更低。

本申请将原始训练数据和模型参数私有化，在云服务器无法获得原始训练数据以及中间参数、并且无法推断模型参数的情况下，借助云服务的便利实现了一种保护数据隐私的线性回归算法；在此基础上，可安全地执行回归预测任务，在利用云服务器的计算及存储资源时，可高效准确的进行线性回归模型的训练及数据预测。

权利要求书3页说明书8页附图2页CN 112182649 A 2021.01.05C N 112182649A1.一种基于安全两方计算线性回归算法的数据隐私保护系统，其特征在于，包括数据预处理模块、秘密共享值乘积模块、模型参数训练模块、预测模块、多个数据提供端、第一云服务器、第二云服务器、数据请求端，所述数据提供端用于提供线性回归模型的训练集，每个数据提供端拥有不同的数据，将数据聚合起来构成训练集，采用同态代理重加密算法进行数据加密后存储在第一云服务器，所述第一云服务器与第二云服务器协作完成线性回归模型的训练，所述基于安全两方计算的线性回归算法，包括：步骤S1：采用秘密共享值的乘法，步骤S2：训练数据预处理，步骤S3：参数初始化，步骤S4：模型参数更新，步骤S5：预测数据预处理，步骤S6：计算预测共享值，步骤S7：重构预测结果。

非线性算法计算装置[发明专利]

专利名称：非线性算法计算装置
专利类型：发明专利
发明人：迪利普·巴福纳尼,托德·齐默曼申请号：CN200710079825.7
申请日：20070214
公开号：CN101075276A
公开日：
20071121
专利内容由知识产权出版社提供
摘要：一种用于产生输出值的便携式手持装置，例如体重指数计算，其具有一手持外壳，所述外壳包括一存储一预定非线性算法的存储器。

位于外壳中的处理器将算法应用到由外壳上的输入装置选择的输入值中，并由外壳上的输出装置产生输出值。

可选择的输入值的范围是预定的并且被分配给用于应用算法的变量。

广告标志可被压印在外壳上，并且所述外壳可被接附到外部装置上。

任意地，可包括一计时器，例如一递减计时器。

申请人：阳光之最公司
地址：美国加利福尼亚
国籍：US
代理机构：北京金信立方知识产权代理有限公司
代理人：黄威
更多信息请下载全文后查看。

一种基于非线性特征提取的数据降维算法

一种基于非线性特征提取的数据降维算法侯远韶【摘要】In order to obtain good image classification results,we need to collect as many image data fea-tures as possible,which makes the dimension of the original feature space higher and higher,resulting in curse of dimensionality.Feature extraction is to map the high-dimensional feature space to low-dimensional space through linear or nonlinear mapping,thus reducing the data dimension.Existing feature extraction algorithms of-ten ignore the complex structure and nonlinear factors inherent in the data,resulting in ambiguity in the direction of the mapping and lack of classification accuracy.In this paper,the two-dimensional characteristic of the im-age data itself is fully considered.The improved nonlinear feature extraction method and the manifold learning method are used to extract the image features.Experimental results show that the algorithm can greatly reduce the data dimension and reduce the computational complexity without affecting the image classification performance.%为了获得良好的图像分类效果，需要采集尽可能多的图像数据特征，进而使得图像原始特征空间的维数越来越高，造成维数灾难。

基于MATLAB的多元非线性回归模型

基于MAT LAB 的多元非线性回归模型3董大校(临沧师范高等专科学校,云南临沧6770000)摘　要:　MAT LAB 是源于矩阵运算的一种高度集成的计算机语言。

它提供了强大的科学运算、灵活的程序设计流程、高质量的图形可视化与界面设计、便捷的与其他程序和语言接口的功能。

文章充分利用MAT LAB 统计工具箱的优势,通过程序的实现,对多元非线性回归模型的未知参数的估计方法以及对估计后的模型预报做出研究,并以实例验证了该方法的有效性。

关键词:　MAT LAB;多元非线性回归;最小二乘法;统计工具箱中图分类号:TP301 文献标识码:　A 文章编号:　1007-9793(2009)02-0045-041　预备知识非线性回归最小二乘法拟合的基本原理[1]。

对给定数据(x i ,y i )(i =0,1,…,m ),在取定的函数类Φ中,求p (x )∈Φ,使误差r i =p (x )-y i (i=0,1,…,m )的平方和最小,即∑m i =1r2i =∑m i =0[p (x i )-y i ]2最小,从几何意义上讲,就是寻求与给定点(x i ,y i )(i =0,1,…,m )的距离平方和为最小的曲线y =p (x )(图1)。

函数p (x )称为拟合函数或最小二乘解,求拟合函数p (x )的方法称为曲线拟合的最小二乘法。

2　MAT LAB 非线性曲线拟合命令介绍211nlinfit 函数[2]用nlinfit 函数进行非线性最小二乘数据拟合。

该函数使用高斯—牛顿算法,调用格式如下:●beta =nlinfit (X,y,fun,beta0)　用最小二乘法估计非线性函数系数。

y 为响应值(因变量)矢量。

一般地,为自变量值组成的设计矩阵,每一行对应与y 中的一发个值。

但是,X 可以是fun 参数能接受的任何数组。

fun 参数为一函数,该函数具有下面的形式yhat =myfun (beta,X )其中beta 为系数矢量,X 为设计矩阵。

专利技术许可合同登记中基于多元线性回归分析模型的价值预测性研究

专利技术许可合同登记中基于多元线性回归分析模型的价值预
测性研究
李曦
【期刊名称】《中国发明与专利》
【年(卷),期】2022(19)2
【摘要】专利价值的评估是专利在运用过程中的关键因素,它决定着专利最终能否实现流转。

本文依托2018年—2021年上半年所登记的专利实施许可合同展开各专利指标在多元线性回归模型中对专利许可费预测的研究。

研究发现专利权利要求、专利引证次数、合同支付方式等指标对专利实施许可费的影响作用较强。

此外研究发现,专利权利要求等指标在所构建的多元线性回归模型中对专利实施许可费的预
测率能达到八成以上,这对专利价值的进一步评估、流转、运用起到一定的借鉴作用。

【总页数】9页(P19-27)
【关键词】专利实施;许可费;多元线性回归;价值预测
【作者】李曦
【作者单位】中关村知识产权促进中心
【正文语种】中文
【中图分类】D923.42
【相关文献】
1.我国专利许可合同登记必要性研究
2.地下水水质预测的多元线性回归分析模型研究
3.地下水流量预测的多元线性回归分析模型研究
4.地下水水质预测的多元线性回归分析模型研究
5.基于多元线性回归与灰色关联分析模型的污水排放预测
因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910104454.6
(22)申请日 2019.02.01
(71)申请人苏州金唯智生物科技有限公司
地址 215000 江苏省苏州市苏州工业园区
星湖街218号生物纳米园C3楼
(72)发明人贾瑞凯　郭森　肖芳　叶桦　
贾延凯　廖国娟　
(74)专利代理机构广州华进联合专利商标代理
有限公司 44224
代理人唐清凯
(51)Int.Cl.
G06F 17/18(2006.01)
(54)发明名称基于多元线性回归处理非线性数据的方法和装置(57)摘要本申请涉及一种基于多元线性回归处理非线性数据的方法和装置，其中方法包括：获取包含多个解释变量的数据模型；采用预设函数分别对多个解释变量进行转换以得到多个转换后的解释变量；根据数据模型对多个转换后的解释变量进行组合以得到多个候选线性回归公式，根据线性回归分析以确定目标回归公式。

本申请通过获取包含多个相互独立的解释变量的数据模型，采用预设函数分别对多个解释变量进行转换以得到多个转换后的解释变量，然后根据数据模型对多个转换后的解释变量进行组合以得到多个候选线性回归公式，并通过线性回归分析以确定目标回归公式，从而将多元非线性回归分析转换成多个多元线性回归分析，以对非线性数据进行
处理。

权利要求书2页说明书9页附图4页CN 109815444 A 2019.05.28
C N 109815444
A
权　利　要　求　书1/2页CN 109815444 A
1.一种基于多元线性回归处理非线性数据的方法，其特征在于，包括：
获取包含多个解释变量的数据模型，所述多个解释变量相互独立；
采用预设函数分别对多个所述解释变量进行转换以得到多个转换后的解释变量；
根据所述数据模型对多个转换后的解释变量进行组合以得到多个候选线性回归公式；
对多个所述候选线性回归公式分别进行线性回归分析以确定目标回归公式。

2.根据权利要求1所述的基于多元线性回归处理非线性数据的方法，其特征在于，所述对多个所述候选线性回归公式分别进行线性回归分析以确定目标回归公式，包括：采用R语言的线性回归函数对多个所述候选线性回归公式分别进行线性回归分析以确定目标回归公式。

3.根据权利要求2所述的基于多元线性回归处理非线性数据的方法，其特征在于，所述候选线性回归公式包括多个回归项；所述采用R语言的线性回归函数对多个所述候选线性回归公式分别进行线性回归分析以确定目标回归公式，包括：
采用R语言的线性回归函数估算多个所述候选线性回归公式中的每一个回归项对应的系数；
根据估算结果采用T检验以确定目标回归公式。

4.根据权利要求3所述的基于多元线性回归处理非线性数据的方法，其特征在于，所述根据估算结果采用T检验以确定目标回归公式，包括：
根据估算结果对多个所述候选线性回归公式进行T检验以获取T检验结果；
剔除多个所述候选线性回归公式中T检验结果P值大于0.01的回归项；
计算每一个所述候选线性回归公式中剩余回归项T检验结果中T的均值；
将对应T的均值最大的估算结果进行拟合以得到目标回归公式。

5.根据权利要求2～4任一项所述的基于多元线性回归处理非线性数据的方法，其特征在于，所述R语言的线性回归函数包括R语言的lm函数和glm函数中的任一种。

6.根据权利要求1～4任一项所述的基于多元线性回归处理非线性数据的方法，其特征在于，所述预设函数包括预设的初等函数和预设的自定义函数。

7.一种基于多元线性回归处理非线性数据的装置，其特征在于，包括：
获取模块，用于获取包含多个解释变量的数据模型，所述多个解释变量相互独立；
转换模块，用于采用预设函数分别对多个所述解释变量进行转换以得到多个转换后的解释变量；
组合模块，用于根据所述数据模型对多个转换后的解释变量进行组合以得到多个候选线性回归公式；
确定模块，用于对多个所述候选线性回归公式分别进行线性回归分析以确定目标回归公式。

8.根据权利要求7所述的基于多元线性回归处理非线性数据的装置，其特征在于，所述确定模块包括：
估算单元，用于采用R语言的线性回归函数估算多个所述候选线性回归公式中的每一个回归项对应的系数；
目标回归公式确定单元，用于根据估算结果采用T检验以确定目标回归公式。

9.根据权利要求8所述的基于多元线性回归处理非线性数据的装置，其特征在于，所述
2。