博士生导师石云龙张日权获教育部博士点基金资助

2009年度教育部高等学校博士学科点专项科研基金课题评审工作结束，我校石云龙教授的“各向异性材料及其复合周期结构的理论研究”项目、张日权教授的“含指标项半参数回归模型的变量选择及稳健估计”项目获博导类项目资助。     

污染数据半参数回归模型中的强相合估计

同删失数据一样 ,在实际工作中经常遇到一些关于污染数据的统计分析问题 .对于删失数据已得到了一系列较为深刻的结果 ,但对污染数据问题的研究却不多 .污染数据回归模型是生物统计中常用的模型 .考虑一类污染数据半参数回归模型 ,建立了模型的参数、回归函数和污染系数的估计 ,并在适当条件下证明了它们具有强相合性 .     

基于多重共线性的Lasso方法

多重共线性是多元线性回归分析中的一个重要问题,消除共线性的危害一直是回归分析的一个重点.就此问题介绍了一种Lasso方法,并设计了一种选择最佳模型的方法.通过实例分析,将其与常用方法进行比较,从结果可看出,Lasso回归在处理多重共线性问题上较其他方法更加有效.     

下期文章摘要预报

污染数据半参数回归模型中的强相合估计刘丽萍　　同删失数据一样,在实际工作中经常遇到一些关于污染数据的统计分析问题.对于删失数据已得到了一系列较为深刻的结果,但对污染数据问题的研究却不多.污染数据回归模型是生物统计中常用的模型.考虑一类污染数据半参数回归模型,建立了模型的参数、回归函数和污染系数的估计,并在适当条件下证明了它们具有强相合性.知识获取与求精RS GA策略张建华,刘仲英　　随着工业经济逐步向知识经济转型,企业的核心生产要素正由劳动力和资本转向知识,人们纷纷谋求通过知识管理来提升企业的核心竞争力.故针…     

Beta回归模型在数据挖掘预测中的应用

为避免利用常规的线性回归模型分析时出现的拟合值超出取值范围的情况,应用beta回归模型研究房地产销售数据.首先基于极大似然估计得到了房地产销售率的预测估计和区间估计,数值结果表明,该模型要比其他回归模型更科学、更合理.然后基于预测估计,提出了一些针对不同家庭收入群体的销售策略.     

变系数模型小波估计的渐近性质

为了克服非参数回归函数估计的"维数祸根",Hastie和Tibshirani提出了变系数模型.变系数模型涵盖了一些常用的统计模型,因而引起了许多统计学家的研究兴趣.文章主要研究在回归协变量为随机设计情形下变系数模型的小波估计的渐近性质,在适当条件下证明了变系数模型小波估计的弱相合性和强相合性,并且给出了强相合速度.     

统计回归模型及其优化算法综述

在大数据时代,正则化(惩罚)回归模型成为高维数据分析的一种有效分析工具.文中从统计模型理论和优化算法两个角度对正则化回归模型进行简要的概述,主要介绍线性回归模型、广义线性模型和分位数回归模型三种经典且重要的回归模型以及相应的正则项.对于线性回归模型,介绍最小二乘回归和l_1-正则最小二乘回归问题的优化算法;对广义线性模型和分位数回归模型,介绍逻辑回归模型和求解l_1-正则逻辑回归问题的优化算法,并展示分位数回归模型和求解相应的正则化分位数回归模型的优化算法.最后,对正则化回归模型未来的研究方向进行展望.     

基于梯度信息的最小二乘支持向量回归机

为了解决传统最小二乘支持向量回归机(LS-SVR)对训练样本量要求过高的问题,提出了基于梯度信息的支持向量回归机(GE-LS-SVR)模型.通过修改目标函数及约束条件,将梯度信息引入模型的构建中,重新构造了决策函数.采用了三个基准函数对模型进行了验证,并用三个常用度量准则对实验结果进行了比较.结果表明提出的模型能在较少样本的情况下达到较为理想的回归精度.     

用主成分回归分析解决回归模型中复共线性问题

主成分回归分析是将回归模型中有严重复共线性的变量进行因子提取,得到正交的因子变量,然后对因子变量进行回归模型的建立.通过具体实例介绍复共线性的判别方法以及如何利用主成分回归分析方法建立较理想的回归模型,从而解决了由于复共线性而造成病态回归方程的问题.     

基于动态BP算法的非线性滞后系统辨识

鉴于很多实际问题都可以转化到多示例框架下求解,多示例学习越来越受到机器学习领域内学者们的关注.提出了一个基于Logistic回归模型的多示例学习算法.首先定义了一个新的似然函数来表示每个包的标签与其示例的隐含标签之间的关系,然后利用凝聚函数把该似然函数转化为一个光滑的凹函数,从而使问题可以用常用的无约束优化方法快速求解.在一些标准数据集和一个文本分类问题上的实验结果表明,所提算法要优于其他常用多示例学习算法.     

线性回归分析与能源需求预测

结合实例介绍了回归模型方法在能源预测中的应用，具体地讨论了最简单、最基本的直线回归模型结构及参数估计方法，对于其他一些曲线回归模型则可通过变量代换转化为直线回归模型。     

试验数据回归分析的通用模型及求解方法

以最小二乘法为基础,讨论了实验数据处理中的回归分析问题.结合一个算例,介绍了回归分析的通用模型和基于数学规划的通用求解方法.     

应急管理的模型

模型在应急管理中具有非常重要的作用,论文讨论了应急管理中的模型问题.首先给出了模型的概念和常用模型,然后讨论了应急管理中常用的模型及其特点,最后分别介绍了突发事件机理模型、应急管理机制模型、应急决策模型和应急评价模型。     

电化学中的非线性方法

对非线性参数模型的参数解析方法作了评述。对非线性回归模型的非线性性态的估计和获取参数初始估计值作了讨论。我们推荐的算法是Ｇａｕｓｓ－Ｎｅｗｔｉｏｎ（ＧＮ）迭代法。还介绍了非线性科学在化学及电化学中的一些应用。     

线性回归模型的深度加权最小二乘估计和拟合检验

在线性回归模型中普通的最小二乘估计(LSE)许多情形下是不稳健的.本文介绍了一种投影深度函数,深度加权平均和深度加权LSE,这些估计量有符合需要的稳健性.并讨论了在深度加权LSE情形下线性回归模型的拟合检验问题.     

求解无界区域内电磁场方程的完全匹配层方

介绍了一些常用的完全匹配层方法, 利用各向异性材料中的电磁场方程建立了该方法的一个统一模型, 在考虑一般完全匹配层方程适定性问题时,不再需要逐一考虑每种完全匹配层方法, 而只需考察统一形式, 然后针对每种具体的变换加以说明.     

利用虚拟变量对季节指数的估计

利用季节虚拟变量建立回归模型,通过季节虚拟变量的参数估计间接地估计季节指数,并且利用模型进行了一些传统的季节指数方法无法进行的推断统计,是一种分析季节指数和季节变动的新思路.但是,由于时间序列数据直接应用到回归模型会与古典假设不相符合,在参数估计以及推断检验中就需要采用一些新的方法,这也正是利用季节虚拟变量估计季节指数时存在的问题,这个问题还有待于以后解决.     

基于Logistic变换的回归正交试验模型

在解决线性回归问题时,回归正交试验具有较大的优越性,却无法解决非线性回归问题.本文依据广义线性模型的基本原理,针对非线性回归问题,引入Logistic变换,给出了基于Logistic变换的回归正交试验模型,实现了回归正交试验在非线性回归问题中的运用.将此方法运用到车险续保问题中,实例分析说明了该模型的可行性和有效性.     

支持向量回归多参数的同时调节

参数调节问题是支持向量回归的基本问题.已有的参数调节方法主要采用内外双层优化框架,调节过程中,训练学习器与更新超参数交替进行.这种嵌套结构具有较高的计算复杂性.针对这一问题,提出了支持向量回归多参数的同时调节模型.首先,将Lagrange乘子、惩罚因子、不敏感度参数和核函数参数合并为一个参数向量,推导出支持向量回归问题的一个新的表示形式,可将原来分离的双层调节过程整合为一个单层调节过程.然后,应用贯序无约束极小化技术(SUMT),将支持向量回归问题转化为多元无约束优化问题.在此基础上,应用变尺度方法(VMM)设计、分析并实现了一个同时调节算法.最后,通过标准数据集上的实验,验证了同时调节算法的收敛性,并比较了同时调节算法与常用调节算法的有效性和计算效率.理论分析与实验结果表明,同时调节模型是一正确且有效的多参数调节模型.     

基于条件生成对抗网络的稀疏样本回归预测模型

自生成对抗网络提出以来，基于生成对抗网络的拓展模型在图像处理等领域均有显著成效，但其在回归预测问题上的应用较少.在概率回归过程中，通过构建条件概率分布模拟特征与实际目标之间的潜在关系是一种常用方法，但在实际问题中条件概率分布过于复杂，似然估计难以捕捉.为此，首先分析高斯过程回归在稀疏样本回归预测中的预测精度，将其作为稀疏样本回归预测的基准线.通过分析条件生成对抗网络的构造，提出利用条件生成对抗网络解决稀疏样本回归预测问题.最终通过对比分析4种非线性模拟数据回归预测结果，发现提出的条件生成对抗网络模型相较基于Matern32核函数的高斯过程回归具有更好的预测精度.