Variable Selection via Generalized SELO-Penalized Cox Regression Models

The seamless-L_0(SELO) penalty is a smooth function that very closely resembles the L_0 penalty, which has been demonstrated theoretically and practically to be effective in nonconvex penalization for variable selection. In this paper, the authors first generalize the SELO penalty to a class of penalties retaining good features of SELO, and then develop variable selection and parameter estimation in Cox models using the proposed generalized SELO(GSELO) penalized log partial likelihood(PPL) approach. The authors show that the GSELO-PPL procedure possesses the oracle property with a diverging number of predictors under certain mild, interpretable regularity conditions. The entire path of GSELO-PPL estimates can be efficiently computed through a smoothing quasi-Newton(SQN) with continuation algorithm. The authors propose a consistent modified BIC(MBIC) tuning parameter selector for GSELO-PPL, and show that under some regularity conditions, the GSELOPPL-MBIC procedure consistently identifies the true model. Simulation studies and real data analysis are conducted to evaluate the finite sample performance of the proposed method.     

Variable selection in joint location,scale and skewness models of the skew-normal distribution

Variable selection is an important research topic in modern statistics, traditional variable selection methods can only select the mean model and (or) the variance model, and cannot be used to select the joint mean, variance and skewness models. In this paper, the authors propose the joint location, scale and skewness models when the data set under consideration involves asymmetric outcomes, and consider the problem of variable selection for our proposed models. Based on an efficient unified penalized likelihood method, the consistency and the oracle property of the penalized estimators are established. The authors develop the variable selection procedure for the proposed joint models, which can efficiently simultaneously estimate and select important variables in location model, scale model and skewness model. Simulation studies and body mass index data analysis are presented to illustrate the proposed methods.     

SEMIPARAMETRIC MODEL SELECTION IN LARGE SAMPLES

1 IntroductionThere are obvious reasons for the popularity of linear regression among which are illter-pretation and simplicity in computation. But this does not mean that a llnear relationship isalways sufficient. In some aPpllcations, the mean is linearly related to some variables but therelation to additiona1 variables are not easily parameterized. Partly linear models become thenatural choices in such aPplicationst the linear model is drinimally altered to allow one or a fewof the indepen…     

遥感信息模型的层次化模拟和描述方法

针对遥感信息模型的自动化模拟和计算中现有方法的不足,基于按需服务模式提出了面向空间信息应用需求的遥感信息模型模拟和描述方法,将遥感信息模型模拟计算过程分解为包含五个通用步骤的信息处理流程,采用语义关联方法来表达各阶段资源选取与应用需求间的对应关系,并给出相应的面向应用需求的遥感信息模型模拟的层次化转化和映射方法,最后通过典型应用案例展示了该方法的工作过程。     

Frequentist model averaging estimation: a review

In applications, the traditional estimation procedure generally begins with model selection. Once a specific model is selected, subsequent estimation is conducted under the selected model without consideration of the uncertainty from the selection process. This often leads to the underreporting of variability and too optimistic confidence sets. Model averaging estimation is an alternative to this procedure, which incorporates model uncertainty into the estimation process. In recent years, there has been a rising interest in model averaging from the frequentist perspective, and some important progresses have been made. In this paper, the theory and methods on frequentist model averaging estimation are surveyed. Some future research topics are also discussed.     

炮兵侦察情报处理系统概念模型研究

针对当前炮兵侦察情报处理系统的工作现状,指出了其存在的问题和局限性。利用人工智能中的基于事例推理(case basedreasoning,CBR)技术,建立了基于CBR炮兵侦察情报处理系统的概念模型。该模型详细描述了炮兵侦察情报处理过程,克服了现有基于规则推理系统不易扩展和修改的弊端,具有更好的处理效果。     

杂志订阅的0-1目标规划模型及其应用

论述了报刊杂志订阅选择或取消订阅问题的重要性 ,对常用的杂志订阅选择方法进行了综合分析 .为克服常用方法的缺陷即无力解决具有资源约束的、多目标相互冲突且计量单位不可比的杂志选择问题 ,本文提出了杂志订阅选择的 0 -1目标规划模型 .最后 ,本文以某大学的实际数据对模型进行了上机运行 .结果表明 ,目标规划法是一种科学合理的杂志订阅选择的较满意方法.     

The Fuzzy Modeling Algorithm for Complex Systems Based on Stochastic Neural Network

The Fuzzy Modeling Algorithm for Complex Systems Based on Stochastic Neural Network~~~~     

滇池二维浅水湖泊风生流模型研究及结果显示

二维风生流模型是浅水湖泊常用的水动力模型，适用于滇池的湖流模拟。本文讨论了模型的参数确定、初始条件和边界条件的确定及数值计算方法的选择。并给出了在10m/s均匀西南风作用下的模拟流场。讨论了使用VC进行流场动态演示的方法。     

贪婪取走启发式算法在离散网络选址中的研究

物流配送中心的选址决策在物流运作中有着重要的地位。介绍了一种离散型网络选址模型-P-中值模型及其一般迭代解法即贪婪取走启发式算法,并提出一种基于改进的P-中值选址模型,使得该模型更客观,科学和实用。通过实例分析说明该模型在物流配送中心选址中的有效性,为实际的选址决策提供理论参考。     

多目标跟踪的分布式MIMO雷达最少阵元选取算法

针对分布式多输入多输出(multiple input multiple output, MIMO)雷达在多任务模式下对目标快速跟踪的需求,结合“低慢小”目标的特点,提出了基于多目标位置跟踪的收发阵元选取算法。首先,以选取最小的阵元集合为代价函数,在指定的位置估计精度的约束下,建立了阵元选取的优化模型。然后,将该优化问题看作成背包问题,提出了改进的阵元选取算法对模型进行求解。仿真结果表明,所提算法能够在降低系统计算量的同时,实现系统可接受的选取性能。此外,目标位置估计精度要求越高,其优势越明显。因此,所提算法有利于对多目标的快速跟踪。     

具有一阶自回归测量误差的步进加速退化可靠性分析

针对传统方法在步进应力加速退化建模时常常忽略测量误差间自相关性的问题,提出一种具有一阶自回归(AR(1))测量误差的步进应力加速退化可靠性分析方法.利用Wiener过程描述产品的性能退化过程,同时引入一阶自回归AR(1)模型表征具有自相关性的测量误差项.然后,建立漂移系数与加速应力之间的加速关系模型,并对漂移系数进行随机化处理以表征产品个体差异性.在首达时概念下,给出失效时间分布函数和概率密度函数的解析表达式.然后,提出一种加速退化模型参数极大似然估计方法.最后,通过激光器算例分析验证了本文方法的适用性和有效性,结果表明:与传统方法相比,本文方法建模合理性更优,且能有效提高产品退化可靠性分析精度,进而为产品合理维修决策的制定提供有力支撑.     

基于特征子空间与流形正则化的高效增量半监督特征选择方法

基于Fisher Score的前向序列选择法是目前性能良好并广泛使用的一种有监督特征选择方法.然而，该方法只能对有标签样本进行分析，无法利用大量"廉价"的无标签样本信息；并且随着已选特征的个数的增加，对候选特征进行评分的计算复杂度呈三次方形式增加.针对这两个问题，提出基于特征子空间与流形正则化的高效增量半监督特征选择方法.一方面，该方法通过提取有标签与无标签数据的局部线性表示来进行半监督特征选择，使得所选特征能够保持数据的局部流形结构信息；另一方面，该方法基于特征子空间理论进行特征评分，时间复杂度取决于特征空间的维数而非已选特征的个数，如果特征空间的维数是固定的，该方法将花费几乎恒定的时间来评价每一个候选特征.相比于基于Fisher Score的前向序列选择法选择特征的三次方复杂度，所提方法在时间效率方面得到很大提升.在五个标准数据集上进行了实验，所得结果验证了该方法的有效性.     

基于MPLS的Internet流量工程系统模型和仿真

基于MPLS的Internet流量工程(MPLS—TE)正成为保证网络QoS、降低网络拥塞、提高网络有效利用率的新手段。本文提出一种简单在线流量工程解决办法，并以仿真模型的形式描述了其原理和工作过程。通过实例仿真，证实该方法在同等条件下比现有的在线方法具有简单和负载均衡效果更好等特点。模型仿真同时表明了该方法的可行性和有效性。     

有限样本下模型选择理论与方法研究

从理论上给出有限样本下模型选择的方法,详细讨论了样本噪声对模型选择的影响,提出了一种次优模型选择算法,并进一步给出了一种推挽式模型选择算法,它能够有效地提高模型选择的学习速度。两种算法具有很强的抗噪声能力,预测模型也具有很好的推广性。最后通过具体数值试验验证了上述理论和方法的可行性和优越性。     

ORDERED WEIGHTED AVERAGINGAGGREGATION METHOD FOR PORTFOLIO SELECTION

Portfolio management is a typical decision making problem under incomplete,sometimes unknown, information. This paper considers the portfolio selection problemsunder a general setting of uncertain states without probability. The investor's preferenceis based on his optimum degree about the nature, and his attitude can be described by anOrdered Weighted Averaging Aggregation function. We construct the OWA portfolio selec-tion model, which is a nonlinear programming problem. The problem can be equivalentlytransformed into a mixed integer linear programming. A numerical example is given andthe solutions imply that the investor's strategies depend not only on his optimum degreebut also on his preference weight vector. The general game-theoretical portfolio selectionmethod, max-min method and competitive ratio method axe all the special settings of thismodel.     

基于食品安全事件异质性的信息扩散过程研究

针对企业在食品安全事件中承担的责任不同,研究不同类型食品安全事件下的信息扩散过程,对政府和企业的食品安全应急管理和风险信息交流具有重要意义.本文首先构建了食品安全信息扩散的修正Bass模型,分析可辩解型食品安全事件下的负面信息扩散过程;然后,运用改进的社会影响模型分析了不可辩解型食品安全事件下的负面信息扩散过程;最后,运用顶新"馊水油"视频事件的互联网搜索数据进行实证分析.研究表明,可辩解型食品安全危机中的信息扩散达到动态稳定状态时,信任与不信任的消费者比例与正负信息的相互渗透率有关.在不可辩解型食品安全危机中,消费者对负面信息的免疫力越弱,越容易对食品企业和政府行为产生不信任,并改变消费决策,信息扩散速率和临界值的分布影响动态均衡的实现过程.     

生物品种选优的系统指数模型法

在生物育种过程中,关键问题在于选出优良的生物品种。本文运用系统工程的理论和方法,以果树品种为例,提出一套生物品种选优的系统指数模型法。     

模型验证——基于主体建模的方法论问题

基于主体的(agent-based, AB)建模已成为目前社会经济系统复杂性分析的重要方法, 但由于缺乏有效的模型验证导致AB 建模方法还未能得到主流研究者的认同. 本文比较了AB建模和基于方程(equation-based, EB)建模在建模过程上的区别, 从结果验证、过程验证和模型对接研究三个方面回顾了AB模型验证的主要方法论问题和相关研究进展, 指出建模工具标准化、一致性判断、灵敏度分析和参数空间压缩技术是未来AB 模型验证的主要方向.     

不确定信息条件下空战接敌队形选择方法

针对空战环境下由于目标装备信息的缺乏导致空战编队无法选取最佳接敌队形的问题,提出一种基于战场指挥员主观认知的不确定信息条件下空战编队接敌队形选择方法。首先引入威力场的概念并构建载机威力势模型。其次以战场指挥员对目标装备性能的主观认知及载机的威力为基础,利用模糊层次分析法对不确定信息条件下的目标威力进行评估。然后利用参照依赖效应计算载机与目标间各项能力的收益损失值,进而应用前景理论给出最佳的接敌队形选择方法。最后对此方法进行了仿真验证。结果表明,该方法能够在不确定信息条件下对接敌队形进行有效选择。