基于Jackknife互信息的高维非线性回归模型研究

确定独立筛选(SIS)方法在处理超高维稀疏线性回归模型的变量选择问题上已得到了广泛的应用,且已被推广到处理广义线性回归模型的变量选择问题.但SIS不能很好地解决非线性回归模型的变量选择问题,关于该问题的现有研究也较少,因此,如何有效地对超高维稀疏非线性回归模型进行变量选择是一个具有研究价值的问题.本文在经典的SIS方法...     

一种基于Wiener模型的非线性预测控制

提出了一种基于Wiener模型的非线性预测控制方法.通过引入非线性部分的广义回归网络逆模型,将非线性预测控制转化为线性预测控制,用线性优化算法解决非线性预测控制问题,避免了复杂的非线性优化.仿真实验表明了该方法的有效性.     

基于损失函数为指数平方形式的稳健 Logistic回归

Logistic回归模型在处理分类数据中有着十分广泛的应用,通常为了简化模型而使用Logit变换将模型化为线性回归模型,但Logit变换会导致误差分量分布函数不同,从而导致模型误差增大.首先对Logit变换进行修正,在考虑离群值影响的基础上,利用指数平方损失函数和自适应LASSO形式稳健回归惩罚函数,从而对线性回归模型进行了修正,其次对股票涨跌情况进行了预测,最后结果表明,修正的模型对期望风险较小的投资者有更高的预测成功率.     

具有Logistic回归结构的几何分布参数贝叶斯估计及应用

Logistic回归模型是一种广义线性模型,广泛应用于二分类数据的建模问题之中,经典的Logistic回归模型通常基于二项分布进行建模,在某些实际问题中,二项分布是不合适的.在平方损失函数下,研究了具有Logistic回归结构的几何分布参数的贝叶斯估计问题,选取正态分布作为参数的先验分布,运用MCMC方法在WinBUGS软件中进行gibbs抽样,得到参数的后验样本.数值模拟表明估计效果良好,最后将所提出的模型应用于米其林餐厅定级数据当中.     

基于INLR-PPLS的非线性多传感耦合信息建模方法

针对线性PLSR(偏最小二乘回归)在多传感信息回归建模中存在的不足,提出了一种基于INLR(Implicit Nonlinear Latent Variable Regression)-PPLS(Polynomial Partial Least Squares)的非线性多传感耦合信息建模方法.该方法通过线性PLSR对多传感信息进行预处理,达到降维的目的;基于INLR建立外模型非线性样本矩阵变换方程并线性化,进而采用PPLS进行内模型非线性映射,并对多传感非线性回归模型实行反求解.最后,将该方法应用于液态乙醇浓度测控系统,结果表明该方法较线性PLSR预测准确度提高21%.     

RBF神经网络优化灰线性回归模型预测建模

针对建筑物地基沉降的机理以及RBF(Radial Basis Function,径向基函数)神经网络能够有效描述不确定性问题和解决复杂非线性问题等特点,通过反复试验,优化设计,建立了RBF神经网络,并用该网络优化灰线性回归预测模型,建立RBF灰线性组合预测模型。通过工程实例,比较分析了单一灰色模型、灰线性回归模型、RBF优化的灰线性回归模型的预测精度。结果表明,RBF优化后的灰线性回归预测模型精度优于灰色模型、灰线性回归模型,预测中误差达到0.0014 mm。径向基神经网络优化后的灰线性模型能更好地反映建筑物沉降的总体趋势及规律。     

多工位制造系统尺寸偏差线性化建模与控制

为解决传统状态空间模型的系统矩阵存在非线性因子的问题，在定义了零件模型与零件偏差以及零件、夹具、机床3个坐标系的基础上，运用齐次变换方法进行了零件坐标系到机床坐标系的转换，实现了对传统状态空间模型的系统矩阵的线性化，给出了描述多工位制造系统中产品尺寸偏差传递的线性状态空间模型，增强了传统状态空间模型的可用性.实例验证了线性状态空间模型的有效性和实用性.     

基于INLR-PPLS的非线性多传感耦合信息建模新方法

针对线性PLSR在多传感信息回归建模中存在不足,提出了一种基于INLR-PPLS的非线性多传感耦合信息建模新方法。首先用线性PLSR对传感信息进行预处理，达到降维的效果，然后基于INLR外模型非线性样本矩阵变换、基于PPLS内模型非线性映射、多传感非线性回归模型反求，实现对非线性多传感耦合信息的建模。应用于液态乙醇浓度测控系统的实验表明，该方法较线性PLSR预测准确度提高21%。     

基于支持向量回归的集对分析方法

传统的集对预测方法大多只能作短期预测,而且多数属于线性模型,没有考虑蕴含在同异反联系度中的非线性、时变性和强耦合关系.本文通过Logratio变换与反变换,将支持向量回归方法用于集对预测,在一定程度上可以克服线性建模技术的不足.该模型被用于人力资源绩效预测,取得了较好的效果.     

删失非线性模型的中位数回归

研究了带有不完全数据的非线性模型的中位数回归问题.将完全数据线性回归模型的L1方法推广到随机右删失非线性中位数回归模型中,提出了一种估计非线性中位数回归模型参数的半参数方法,并得到了估计量的强相合性和渐近正态性.