收藏本站
《西安工程大学》 2018年
收藏 | 手机打开

基于非凸函数惩罚因子的高维变量选择方法研究

张倩  
【摘要】:近年来生物信息、图像处理、金融管理等领域产生的大量高维数据使得传统的变量选择方法存在计算量大和稳定性差等不足,因此寻找更为高效的高维变量选择方法刻不容缓.惩罚因子法是较为流行的可以较好处理高维变量选择的方法,其在选择变量的同时估计系数,即在估计参数时,通过将部分系数压缩到零来实现变量选择.由于现有的惩罚因子大多是凸函数,导致该方法存在数据的大量冗余难以去除、稀疏尺度的位置难以区分等不足.为了克服上述不足,本文主要研究基于非凸函数惩罚因子的高维变量选择方法,主要研究内容如下:(1)研究了将非凸函数-分式函数作为惩罚因子的高维变量选择方法.首先证明了正则化模型与原模型的等价性并研究了正则化模型最优解的一阶和二阶最优条件及其非零元素绝对值的上下界.然后基于阈值表示理论对正则化模型设计了求解算法-FP阈值算法.(2)给出了一种新的基于非凸函数惩罚因子的高维变量选择算法.通过构造一个收缩算子,并利用邻近算子理论得到了一个非凸的惩罚因子.然后应用向前-向后分裂方法求解其对应模型,得到了迭代分式阈值算法(IFTA),并证明了该算法的收敛性.(3)一种改进的高维变量选择方法.针对LASSO模型的求解算法-迭代软阈值算法(ISTA)收敛速度较慢的不足进行了改进,使其在计算下一步迭代点时同时依赖于前两步的迭代点,得到了SFIST算法.实验结果表明,SFISTA比ISTA更快的趋向最优解,并且得到的最优解也更稀疏.
【学位授予单位】:西安工程大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:O224

手机知网App
【参考文献】
中国期刊全文数据库 前1条
1 王大荣;张忠占;;线性回归模型中变量选择方法综述[J];数理统计与管理;2010年04期
中国博士188bet全文数据库 前2条
1 朱艳玲;基于惩罚似然的变量选择方法及其在高维数据中的应用[D];对外经济贸易大学;2017年
2 王大荣;分散度量模型中的变量选择[D];北京工业大学;2009年
【共引文献】
中国期刊全文数据库 前10条
1 王小燕;谢邦昌;马双鸽;方匡南;;高维数据下群组变量选择的惩罚方法综述[J];数理统计与管理;2015年06期
2 李毓;张春霞;王冠伟;;线性回归模型的Boosting变量选择方法[J];工程数学学报;2015年05期
3 李佳蓓;朱永忠;王明刚;;贝叶斯变量选择及模型平均的研究[J];统计与信息论坛;2015年08期
4 李娅南;胡北明;;基于回归模型旅游业对地方经济发展贡献研究——以贵州省为例[J];特区经济;2015年07期
5 胡毅;王珏;杨晓光;;基于面板Logit模型的银行客户贷款违约风险预警研究[J];系统工程理论与实践;2015年07期
6 徐登可;张忠占;;二项-泊松模型的变量选择[J];应用数学学报;2015年04期
7 邢伟;孙驰;邹琼琼;王燕庆;柳青峰;;基于平滑削边绝对偏离惩罚技术对大肠癌术前淋巴结转移因素的回顾性分析[J];上海交通大学学报(医学版);2015年04期
8 方成;李志强;胡成盛;;建立变系数部分线性固定效应模型分析PM_(2.5)与其他空气污染物的相关关系[J];北京化工大学学报(自然科学版);2014年06期
9 刘训利;龚勋;王国胤;;一种基于非残差估计线性表示模型的人脸识别[J];智能系统学报;2014年03期
10 吴文俊;韦程东;;指数分布模型的ADS参数估计量的性质[J];广西师范学院学报(自然科学版);2014年01期
【二级参考文献】
中国期刊全文数据库 前3条
1 王大荣;张忠占;;联合广义线性模型中的变量选择(英文)[J];应用概率统计;2009年03期
2 李东风;郑忠国;;最优线性回归的计算方法[J];数理统计与管理;2008年01期
3 王大荣;张忠占;;联合广义线性模型中的变量选择[J];统计研究;2007年04期
中国博士188bet全文数据库 前1条
1 项燕彪;高维数据的统计推断[D];浙江大学;2011年
【相似文献】
中国期刊全文数据库 前10条
1 牟建波;刘赪;;基于惩罚方法的贝叶斯群组变量选择[J];绵阳师范学院学报;2017年02期
2 戴伯新;;回归变量选择中的数据诊断[J];应用概率统计;1992年04期
3 王银辉;徐文科;;基于风险函数评价自变量选择对预测的影响[J];哈尔滨师范大学自然科学学报;2012年01期
4 李太福;易军;苏盈盈;胡文金;余春娇;;基于特征子空间虚假邻点判别的软传感器模型变量选择[J];机械工程学报;2011年12期
5 张庆;李云霞;;函数型变量选择法用于空气质量影响因素实证分析[J];安庆师范大学学报(自然科学版);2017年04期
6 李扬;许文甫;马双鸽;;污染数据的稳健稀疏成组变量选择方法研究[J];统计与信息论坛;2018年06期
7 徐安察;王玮明;;应用统计类专业探究性教学模式探索与实践——以变量选择准则为例[J];赤峰学院学报(自然科学版);2014年19期
8 杨红;陈德棉;;个人住房抵押贷款违约相关变量选择[J];现代管理科学;2009年04期
9 钟先乐;樊亚莉;张探探;;基于t函数的稳健变量选择方法[J];上海理工大学学报;2017年06期
10 严奇琪;王延新;;高维部分线性小波模型中的变量选择[J];宁波工程学院学报;2018年02期
中国重要会议论文全文数据库 前10条
1 张俊华;方伟武;;调查表分析中变量选择的一些方法(英文)[A];中国运筹学会第六届学术交流会论文集(下卷)[C];2000年
2 李慷;席裕庚;;复杂过程系统中操作变量选择与定位的方法研究[A];1993年控制理论及其应用年会论文集[C];1993年
3 罗荣富;邵惠鹤;;推断控制中二次变量选择方法的研究[A];1992年中国控制与决策学术年会论文集[C];1992年
4 徐登;范伟;梁逸曾;;紫外光谱结合变量选择和偏最小二乘回归同时测定水中重金属镉、锌、钴[A];中国化学会第29届学术年会摘要集——第19分会:化学信息学与化学计量学[C];2014年
5 曹磊;丛培盛;;偏相关系数矩阵方法用于烟草质量控制的变量选择[A];第九届全国计算(机)化学学术会议论文摘要集[C];2007年
6 梁逸曾;李洪东;许青松;曹东升;张志敏;;灰色化学建模与模型集群分析——兼论过拟合、稳健估计、变量选择与模型评价[A];中国化学会第27届学术年会第15分会场摘要集[C];2010年
7 李洪东;梁逸曾;;高维数据变量选择新方法研究[A];中国化学会第27届学术年会第15分会场摘要集[C];2010年
8 刘咸姝;潘日芳;;满意控制结构综合的专家系统[A];1996年中国智能自动化学术会议论文集(上册)[C];1996年
9 范伟;李洪东;梁逸曾;;近红外光谱结合CARS变量选择方法用于食醋中总酸的测定[A];中国化学会第28届学术年会第9分会场摘要集[C];2012年
10 张俊华;;南水北调一中线调水区域内降水的时空变化规律的分析研究[A];面向复杂系统的管理理论与信息系统技术学术会议专辑[C];2000年
中国博士188bet全文数据库 前10条
1 初一;若干模型下的变量选择和特征筛选[D];山东大学;2018年
2 王延新;高维模型的变量选择与稀疏正则化[D];武汉大学;2013年
3 李子林;高维基因数据中的统计方法[D];清华大学;2016年
4 唐凯临;变量选择和变换的新方法研究[D];同济大学;2008年
5 秦志敏;我国上市公司财务预警变量选择研究[D];东北财经大学;2012年
6 袁晶;贝叶斯方法在变量选择问题中的应用[D];山东大学;2013年
7 姬永刚;分位数回归中的贝叶斯变量选择[D];东北师范大学;2012年
8 赵军;Expectile回归和最优资产组合中的变量选择问题[D];浙江大学;2017年
9 苏盈盈;基于核方法的非线性系统变量选择及其应用[D];重庆大学;2014年
10 王歆旸;几类整值时间序列模型的拟似然推断和变量选择问题[D];吉林大学;2017年
中国硕士188bet全文数据库 前10条
1 张申波;基于变量选择的工业过程故障诊断方法研究[D];温州大学;2018年
2 张倩;基于非凸函数惩罚因子的高维变量选择方法研究[D];西安工程大学;2018年
3 覃丹艳;Cox模型中变量选择方法的研究[D];中国石油大学(北京);2017年
4 武杰;Logistic回归中的随机Lasso方法[D];北京建筑大学;2018年
5 耿莹;Random Lasso在Logistic模型中的应用研究[D];暨南大学;2018年
6 郝宽;Lasso及其改进方法在变量选择中的优劣性研究[D];哈尔滨工业大学;2018年
7 褚福常;基于互信息变量选择的热工过程数据建模[D];华北电力大学;2018年
8 曾翠英;高维数据下变量选择问题的研究[D];长沙理工大学;2017年
9 宋雨宸;基于模型集群分析的近红外光谱变量选择方法研究[D];长春理工大学;2018年
10 屈亚蓉;两类半参数模型的众数回归与变量选择[D];兰州理工大学;2018年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026