高低频预测模型结合的最优化方法

结合用于预测同一经济变量的高低预测模型能够集中两类模型的优点,使得低频预测结果动态化,是同时具有理论意义和实用价值的课题。本文用最优化方法对此进行了研究。文中提出了高频序列有补充信息时对低频预测结果的动态调整方法。该方法已用于中国进口与关税税收预测支持系统的研制,预测及检验结果表明该方法具有很好的预测效果和实用性。     

一个非线性特征值问题

下的解。对于m=1的特殊情形,Kolodner[1]曾研究过,并得到满意的结果。Pimbley[2][3]曾试图把文[1]的结论推广到比(1)更广的一类方程上去,但有反例证明其结论不成立[4]。 本文的结果可叙述如下。 定理 若用λ_n和μ_n分别表示函数     

关于Powell方法理论基础的探讨

Powell直接方法是求解无约束最优化问题的一个重要方法。它是从研究正定二次目标函数■(其中G是n×n阶正定对称矩阵,b是常向量,c是常数)导出的。Powell先后在文献[1]、[3]中两次证明了下列定理:n个非零向量D:d_1,…,d_n的函数     

局部学习半监督多类分类机

半监督多类分类问题是机器学习和模式识别领域中的一个研究热点, 目前大多数多类分类算法是将问题分解成若干个二类分类问题来求解. 提出两种类标号表示方法来避免多个二类分类问题的求解, 一种是单位圆类标号表示方法, 一种是二进制序列类标号表示方法, 并利用局部学习在二类分类问题中的良好学习特性, 提出基于局部学习的半监督多类分类机. 实验结果证明采用了基于局部学习的半监督多类分类机错分率更小, 稳定性更高.