全文总字数：2184字

1. 研究目的与意义及国内外研究现状

在当今计算机发展越来越迅速的同时,获取数据的能力也得到提高,于是呈现的数据样本愈加复杂,这要求我们不能用传统的数据分析方法,从而出现了函数型数据分析。

而高斯过程回归是在高斯过程的基础之上结合回归的一种建模方法。

高斯过程应用范围广，现今大数据包裹的时代学会分析数据的分散分布趋势等尤为重要，在我们日常生活的应用很广泛，能够解决很多实际问题，并且带来便利。

2. 研究的基本内容

数据的回归分析有很多种方法，要想实现数据的回归分析首先得清楚这类数据的大概呈态。其中高斯过程回归

主要用来回归分析一组任意有限个服从联合高斯分布的随机变量的集合。探究根据已知样本点，给予新样本点，利用高斯回归预测输出值。选择不同的核函数（协方差函数），改变产生目标数据的底层函数以及数据的方差，噪声等影响因素，多角度的分析回归预测分布，最终总结出高斯回归规律。

3. 实施方案、进度安排及预期效果

1）实施方案： 采用数学建模、结合matlab算法对数据回归实验。

2）实施进度：

4. 参考文献

[1] m.ebden.gaussian processes for regression: a quick introduction [eb/ol]．(2008-08)[2018-04-17]. http://www-docin-com.vpn1.nuist.edu.cn/p-1585687395.html.

[2] 何志昆,刘光斌,赵曦晶,王明昊.高斯过程回归方法综述[j].控制与决策,2013,28(08):1121-1129 1137

[3] jasonding. 机器学习技术，高斯过程初探[eb/ol]．(2011-11-03)[2018-04-17]. http://blog-csdn-net-s.vpn1.nuist.edu.cn/jasonding1354/article/details/49818575.