不均衡数据情形的基于聚焦损失的CGAN的集成分类方法

针对非均衡数据的情形,基于条件生成对抗网络(conditional generative adversarial networks, CGAN),利用梯度提升树研究了聚焦损失的CGAN的集成分类方法.该方法首先通过CGAN降低不均衡率,通过聚焦损失的权值均衡结合GBDT算法,适当增加对少数类样本的关注度进而进一步提升分类器的分类性能.对方法的性质进行了研究,获得了若干理论成果.证明了:在一定条件下,由CGAN产生的经验条件分布收敛于相应总体的条件分布;聚集损失的CGAN方法其经验风险收敛到期望风险;该方法的估计量会收敛到使得期望风险最小化的函数.实验结果显示了聚焦损失的CGAN方法具有良好的表现.     

基于双编码器利用在线社交网络信息的股票价格预测

设计了双编码器-解码器模型,在模型的双编码器端分别对情绪变量和技术指标进行单独编码,以提高两类信息输入时编码器-解码器模型对股价的预测准确率.首先,对模型的编码和解码,基于门控循环单元(GRU)进行改进,通过去掉重置门,使用更新门代替重置门的功能,将激活函数tanh替换为ReLU激活函数,以达到提高网络训练速度和模型精度的效果.其次,将市场情绪看作离散时间的随机过程,当固定时间时,市场情绪是服从某个概率分布的变量,对其概率分布进行估计,可得市场情绪关于积极、消极和中立的概率估计.进一步的,基于构建伪标签的情感分类器,建立情绪得分公式,并基于Bagging集成的方法对市场情绪的概率分布进行估计,作为投资者情绪变量的补充.另一方面,对多个超参数调整选优,设计正交试验,大大缩短了模型选参时间.实验结果表明,两输入的双编码器-解码器,不仅提升了编码器-解码器框架的股价预测效果,还通过引入投资者情绪,提高了模型的准确率和鲁棒性.     

非均衡数据情形的一种协同正则化多视图半监督学习分类器

利用多视图学习、流形学习以及协同正则化的多重惩罚处理,对含有大量无标签的类别数据提出一种多视图半监督学习的分类器构造方法.该方法由递归提升的方式对数据进行逐次多视图半监督学习,通过适当的标签化、均衡化处理改进每次集成的学习效率直到稳定.通过最小二乘和多分类SVM研究了新方法的性质,给出泛化误差的一个有意义上界,体现了新方法良好的泛化能力.模拟研究和实证分析显示,在有限样本情形下新方法具有良好的表现.     

一种处理混合患病兄弟对IBD数据连锁分析的方法

患病兄弟对(affected sib-pair,ASP)设计是连锁分析中的重要方法,得到了广泛的研究和应用.然而,实际问题中患病兄弟对中常常会混杂部分半兄弟对,而且由于个人隐私等原因,兄弟对关系的信息往往缺失,我们称这种数据为混合患病兄弟对(mixed affected sib-pair,MASP).对混合患病兄弟对的IBD(identical by descent)数据给出了一种进行连锁分析的方法,构造了可识别的统计模型,证明了用于进行连锁分析的似然比检验统计量的渐近零分布服从自由度为3的卡方分布,同时给出了求解参数估计的EM算法.统计模拟表明,该方法在小样本情形下具有良好表现.     

删失回归模型中基于LAD的线性假设检验研究

在ZhaoLC .Linearhypothesistestingincensoredregressionmodels基础上讨论了删失回归模型的线性假设检验问题 ,在局部备择假设成立时 ,给出了基于最小绝对偏差所构造的检验统计量的渐近分布 ,并对检验统计量的表现进行了统计模拟     

一种基于核随机投影的集成分类方法

提出一种基于再生核随机投影的集成分类方法,该方法将原始数据投影到特征空间上,利用表示定理和核技巧转化为使用随机投影对Gram矩阵降维,然后利用集成学习方法构造集成分类器.利用随机的线性映射进行降维,再利用核技巧发展了核随机投影方法.还证明了核随机投影的集成学习方法泛化误差的极限性质,得到了在一定条件下的关于泛化误差的收敛速度性质.模拟研究和实证分析的结果表明该方法相较于一些常用方法具有更好的表现.