INFERENCE ON THE RANK OF THE GROWTH CURVE MODEL USING MODEL SELECTION METHOD

1 IntroductionConsider the growth curve model introduced by Potthoff and Roy[1] and given byy = Aex e, B ~ (o,In @ z) (1.1)where Y: n x p is an obserwtion ~riX, A: n x k is a destw ~rad across individuals, X: q xpis a design ~rad within individuals, e is an tmknoWn parameter mains, and eaCh row of 6 isindependent and idelltically distribllted with mean zero and positive deface covariance mainsZ. Assume that matrices A and X are Of ranks k and q(S P), respectively. In the aPPlicationt…     

自调用支持向量回归优化支持向量机参数

参数选择是支持向量回归分析的关键问题之一,在大训练样本条件下,大范围遍历搜索极为耗时。基于均匀设计和自调用支持向量回归,提出了一种将大样本搜索转化为小样本搜索的策略:在3因素9水平搜索范围,经混合均匀设计产生27个参数组合,每组合对训练集经交叉测试得其均方误差MSE;以MSE为目标函数,对该27个参数组合形成的小样本自调用支持向量回归以留一法进行大范围搜索建模,预测729个完全参数组合;取预测MSE最小的对应参数组合完成大样本的训练、预测。对5个基准数据集的独立预测表明,新方法在保证预测精度的同时,大幅度缩短了训练建模时间,为大样本支持向量机参数选择提供了新的有效解决方案。     

基于模拟退火算法的工具变量选取方法

工具变量估计是解决模型内生性问题的基本方法,但其有限样本表现对工具变量的选取十分敏感. 近年来,对于“多工具变量”模型,文献中提出了基于近似最小均方误差的工具变量选取方法来解决这一问题,但这些方法或依赖于工具变量的排序,或受限于工具变量的数目. 本文采用基于模拟退火算法的工具变量选取方法很好地克服了这些缺陷. Monte Carlo 模拟结果表明该算法有效可行.     

内嵌多准则的遗传算法用于尿沉渣红白细胞的特征选择

针对尿沉渣检测中红白细胞的特征选择问题,提出了结合双向选择的内嵌多准则的改进遗传算法(NMGA)(通过多代进化逐步选中优良特征,在每一代进化中基于多种评价准则进行遗传,分别得出各自的最佳特征子集,然后对其进行多票投选,得出一个最佳特征子集,然后继续下一代进化,该方法可结合小生境技术共同搜索最佳特征子集。文末采用多个尿沉渣红细胞和白细胞样本进行验证实验,实验结果表明,算法优选的特征集与未进行特征选择和经过普通遗传算法(SGA)特征选择得到的特征集相比,识别率较高,并且优选后的特征子集的特征数较少,明显降低了分类器的维数复杂度。     

基于可调Q因子小波变换的海杂波抑制算法

针对海杂波背景下弱目标检测中存在的信杂比低的问题,提出了改进的基于可调Q因子小波变换的海杂波抑制算法。由于海杂波能量远大于目标信号能量,提出选取与海杂波振荡特性相匹配的参数进行可调Q因子小波变换,得到各小波子带的系数,并对小波系数进行稀疏优化后重构海杂波信号。为了判断弱目标信号是否存在,提出一种自适应的阈值检测方法,将原始回波信号与海杂波重构信号的差作为检测样本,实现对弱目标信号的检测。该算法不依赖海杂波具体模型。最后对某实测海杂波数据集进行实验,验证了所提算法的正确性。     

基于矩阵分解和自适应图的无监督特征选择

在高维数据分析中,一个不可避免且棘手的问题是维度诅咒,因而如何将高维数据通过特征选择降维为低维数据显得尤为重要.对此,提出了基于鲁棒矩阵分解和自适应图的无监督特征选择模型(unsupervised feature selection model based on robust matrix factorization ...     

Adaptation and its analogues: Biological categories for biosemantics

“Teleosemantic” or “biosemantic” theories form a strong naturalistic programme in the philosophy of mind and language. They seek to explain the nature of mind and language by recourse to a natural history of “proper functions” as selected-for effects of language- and thought-producing mechanisms. However, they remain vague with respect to the nature of the proposed analogy between selected-for effects on the biological level and phenomena that are not strictly biological, such as reproducible linguistic and cultural forms. This essay critically explores various interpretations of this analogy. It suggests that these interpretations can be explicated by contrasting adaptationist with pluralist readings of the evolutionary concept of adaptation. Among the possible interpretations of the relations between biological adaptations and their analogues in language and culture, the two most relevant are a linear, hierarchical, signalling-based model that takes its cues from the evolution of co-operation and joint intentionality and a mutualistic, pluralist model that takes its cues from mimesis and symbolism in the evolution of human communication. Arguing for the merits of the mutualistic model, the present analysis indicates a path towards an evolutionary pluralist version of biosemantics that will align with theories of cognition as being environmentally “scaffolded”. Language and other cultural forms are partly independent reproducible structures that acquire proper functions of their own while being integrated with organism-based cognitive traits in co-evolutionary fashion.     

基于前景-后悔理论的军工企业供应商选择

针对现有军工企业供应商选择方法研究不完善的问题,提出了一种基于前景-后悔理论的军工企业供应商选择方法.分析军工企业的要求及军工产品的特点,构建适合于军工企业供应商选择的评价指标;考虑专家评估过程中的犹豫心理,引入概率犹豫模糊集描述评价信息;基于前景-后悔理论,刻画决策者的风险态度和后悔规避心理,对供应商方案评价信息进行集结,得到各方案的评估结果并进行排序.通过算例对比分析验证了所提方法的科学性和合理性.     

中国大数据基金的业绩评价与对比分析

随着金融科技的迅速发展,大数据技术与证券投资的结合日益紧密,大数据基金应运而生,且越来越受到行业的重视。本文遴选18只大数据基金和6只投资结构类似的传统型基金,利用2018年4月1日到2020年3月31日相关数据从收益水平、风险状况、风险调整后收益、业绩归属能力对大数据基金进行考察,运用主成分分析法进行综合评价,并与传统型基金进行了对比分析。研究表明,与传统型基金相比,在考察期内,大数据基金的业绩表现更好,其中,被动指数型基金在各项指标上的优势更为明显,而主动管理型基金的优势相对较弱。