加权子空间的随机向量函数链接网络集成方法

随机向量函数链接网络(RVFL)是一种随机权网络模型,其基于非迭代权重更新方式,直接求解输出层权重完成模型训练,因此具有训练速度快的优点,已有的实验证明了其在分类和回归任务中均具有良好的泛化能力.目前在RVFL的改进工作中存在两点问题：改善网络结构会复杂化模型,容易造成过拟合现象;结合集成学习往往无法进一步通过增加集成多样性来提升模型性能.因此,本文基于子空间策略,提出了一种基于加权子空间的随机向量函数链接网络集成方法(WAB-RVFL).基于RVFL网络结构中输入层和输出层直连的线性特点,WAB-RVFL引入属性优化的思想并提出属性加权矩阵的概念,对属性子空间进行加权转化获得更优质的加权子空间,使其更利于模型进行集成训练.通过在8个高维分类数据集上的实验测试,证实了WAB-RVFL的可行性、合理性和有效性,其能够获得比6种流行的RVFL网络模型更优的泛化能力.     

核化的多视角特权协同随机矢量功能链接网络及其增量学习方法

在许多实际应用场景中,可以从不同层次、不同角度获取相同对象的特征数据,如何有效地利用获取的多视角数据是一个值得研究的问题.和传统的单视角学习相比,多视角学习在多源数据的应用中显示了一定的优势.多角度学习（Multi-View Learning,MVL）面临的一个重要问题是在满足不同视角互补性的前提下如何保持视角之间的一致性.针对以上问题,提出一种新的多视角特权协同核化随机向量功能链接网络（KMPRVFL）来有效地解决多视角分类问题,其基本思想是将冗余视角的额外信息与平均视角上的特权信息相结合来监督当前视角的分类任务,将多视角数据用核化后加权线性组合成综合第二视角.同时,还设计了一种增量学习方法,可以有效地减少计算量.在真实数据集上的实验结果表明,和传统的多视角学习方法相比,KMPRVFL的能力更强,其平均测试精度要优于对比算法.     

关于随机向量的函数的同分布性

给出了一个随机向量的某些函数同分布的充分条件；对任意ｎ≥２，还提供了虽然ξｉ，１≤ｉ≤ｎ，同分布。但，不同分布的例子。     

非正态随机向量分布密度函数的一个刻划

本文给出了所有边际分布是正态分布而联合分布不是正态分布的随机向量（ξ1,ξ2,…，ξn）的分布密度函数的一个刻划。     

随机向量相关程度的一种新刻划

采用矩阵的方式来描述两个随机向量之间的相关程度及有关性质,并给出了一种简洁的表达式。     

复杂网络上随机SIS模型的渐近行为

研究了复杂网络上具有不同恢复率的随机SIS模型.利用Lyapunov方法和Ito^公式给出了模型全局正解的存在唯一性;通过构造合适的Lyapunov函数,得到了零解的随机全局渐近稳定性和模型的随机持久性的条件.最后,通过数值模拟验证了理论结果.     

回归函数的支持向量机估计法

回归估计是统计学中基本问题之一，本文在归纳了其经典的估计方法之后，总结了支持向量机估计回归函数方法。并从理论和应用角度阐述了支持向量机的基本思想。     

一种改进的相关向量回归方法

相关向量回归(relevance vector machine,RVR)是一种非线性回归方法。当样本集中存在少量异常点时,RVR方法能够得到鲁棒的回归模型。随着异常点增加,求得的回归模型的泛化能力下降。针对这种情况,实现了一种改进的相关向量回归方法。首先重新定义样本子集T和根据最小截平方和估计理论重新定义RVR回归的似然函数;然后利用贝叶斯推论求解边际最大似然函数;最后使用迭代法迭代求解最大似然函数的最优超参数α、β以及子集T,并使用超参数α、β得到回归模型。通过证明和实验结果表明,算法具有鲁棒性,而且当样本集中的异常点增加时,依然具有较高的鲁棒性。     

一种建立回归曲线模型的新算法

将ε—支持向量回归机与B-样条网络相结合,提出了一种建立回归曲线模型的新算法.实验仿真结果说明了这种算法是可行和有效的.     

一种基于信息几何的支持向量回归模型选择新标准

针对现有模型选择标准无法对支持向量回归(SVR)模型选择过程给出明确几何意义的弱点,提出了一种基于信息几何理论的模型选择新标准.它将模型空间看成是一个流形,将模型复杂度等价于其所能覆盖的概率分布个数,模型拟合度则视为样本的真实分布与模型分布之间的分散度,由此直观地解释了SVR的求解过程,并明确了模型选择的几何意义.     

随机设计下回归函数模型变点的小波估计

研究在随机设计下对含有单个跳跃点的回归函数的小波估计。将随机设计通过变换转换成等距设计,在等距设计下利用单个跳跃点和跳跃度的估计量,构造出含有单个变点的回归函数估计。数值分析比较结果显示：该方法不仅保持了尖点附近的良好性质,而且在跳跃点附近也有效地避免了吉布斯现象。     

基于混合核函数支持向量机的回归模型

基于支持向量机核函数的条件,将Sobolev Hilbert空间的再生核函数和Sig核函数进行有效的线性混合,给出一种新的支持向量机的混合核函数,并提出一种基于再生核的混合核函数支持向量机回归模型,该回归模型兼具了全局核函数与局部核函数的优点,且算法的复杂度被降低.仿真实验结果表明:最小二乘支持向量机的核函数采用基于再生核的混合核函数是可行的,回归的效果比单核函数可以更为细腻.     

随机向量组具有完全线性函数关系的判定

将概率论与数理统计知识中随机变量具有完全线性函数关系的问题推广到随机向量组具有完全线性函数关系的讨论，结合线性代数中向量组线性相关的理论给出判断随机向量组具有完全线性函数关系，即P{Y^→=∑i=1^naiX^→i＋be^→}=1成立的几个定理．     

一种基于随机粒子群的变差函数优化方法

变差函数是克里格法中反映区域化变量空间变化特征的有效数学模型,其在克里格插值算法中是重要的环节,由其确定的拟合模型参数直接影响插值精度。由于变差函数采用非线性模型,导致拟合误差曲面存在很多局部极值点。因此传统的最小二乘法不易达到满意的结果。基于这一问题,提出了基于随机粒子群优化(RPSO)算法的变差函数设计方法。实验结果验证了该方法的有效性。     

一种新的支持向量回归机的模型选择方法

针对支持向量回归机的模型选择问题,将模型选择问题转化为一个非线性系统的状态估计问题,然后引入无迹卡尔曼滤波进行求解,提出一种新的基于无迹卡尔曼滤波的模型选择方法(UKF-SVR).对标准数据集和太阳黑子数平滑月均值进行仿真实验,结果表明,UKF-SVR与粒子群算法相比,该方法全局寻优能力更强,保证了支持向量回归机泛化能...     

关于随机向量序列极值的一些结果

利用正则变化函数,刻画独立同分布随机向量序列的极值分布的对称吸引场;将随机变量第ｋ个极值的一个结果推广到随机向量上;给出了关于多元分布函数乘积的吸引场问题的一个充分条件。     

随机结构的单源随机向量表达

首先用单源随机向量表达复杂的随机结构系统的随机变量,使整个系统的基本随机变量减少到1个,然后阐述随机结构的表达方法,最后以两杆桁架结构为例,进行极限承载力分析.算例表明了这种单源分析方法的有效性.该方法的特点:表达随机结构只需一个随机变量;随机结构的表达式是关于单源随机向量的线性展开式,可由此计算结构的概率特征.     

混合核函数对支持向量机分类性能的改进

通过对核矩阵的计算和研究,从理论上对常用的核函数进行了评估.在此基础上,通过实验仿真证实了通过优选后的核函数所组成的混合核函数对支持向量机分类性能的改善,为核函数的选择提供了参考.     

具有一般反应函数的随机恒化器模型的动力学行为

研究了具有一般反应函数的随机恒化器模型,同时给出了一般反应函数所满足的条件.首先证明了模型全局正解的存在唯一性.其次给出了微生物灭绝的一些充分条件,并且进一步证明了在某些条件下, 微生物在恒化器中会持续存在.     

基于支持向量回归机和B样条网络回归曲线建模算法

将改进的支持向量回归机与B-样条网络相结合,提出了一种建立回归曲线模型的新算法。实验仿真结果说明了这种算法是可行和有效的。