一类半参数回归模型二阶段估计的渐近理论

考虑回归模型yi＝xiβ＋g（ti）＋ei，1≤i≤n，g为R1上未知函数，β为p×1维待估参数向量．基于近邻权函数利用文献[1]中给出的方法建立了β和g的估计量βn，gn。

半参数回归模型两步估计的渐近性质

利用近邻权函数并综合最小二乘法,建立了半参数回归模型中非参数g(t)和参数β的估计量g∧(t)和β∧,在适当条件下,研究了它们的渐近性质。

基于K近邻的蛋白质功能的预测方法

蛋白质功能预测是后基因组时代研究的重要问题之一。利用蛋白质相互作用网络,提出了一种基于K近邻的蛋白质功能的注释方法,该方法首先计算待注释的蛋白质与所有已知功能的蛋白质间的注释环境相似度,选择其中最相似的K个蛋白质,将该K个蛋白质的功能注释进行加权平均,作为待注释的蛋白质最终的功能注释。在构建的芽殖酵母的两组大规模相互作用数据集上的测试表明,该方法能够有效的对蛋白质功能进行预测,在蛋白质功能预测性能上优于现有的一些方法。

最近邻回归估计的随机加权逼近

研究了一种最近邻回归估计的分布逼近问题．利用随机加权法，给出了最近邻回归估计误差的逼近分布及其逼近的精度。

基于LWSVR的繁忙机场航班滑出时间预测

针对繁忙机场航班滑出时间预测准确率低的问题,结合局部回归和加权支持向量回归,提出基于局部加权支持向量回归的离港航班滑出时间预测模型。该模型采用K最近邻方法,减小训练样本集容量,并为每个预测样本构建一个预测模型。通过计算训练样本与预测样本间的马氏距离,来优化加权支持向量回归中高斯核加权函数的带宽参数,获得加权系数。结合某机场离港航班数据仿真分析,实验结果表明模型在误差允许范围内的预测准确率达到83.33%,模型更加稳定。

半参数EV模型二阶段估计的渐近正态性

考虑半参数EV模型Yi=x'iβ+g(Ti)+ei,Xi=xi+ui,1≤i≤n,β∈Rp为未知回归参数,g(·)为[0,1]上的未知Borel函数。利用近邻权函数并综合最小二乘法建立了参数的估计量,并研究了它们的渐近正态性。

局部k最近邻加权线性回归的光谱反射率重建

现实中很多场景都需要精确的颜色表示,如纺织、印刷、艺术品扫描存档、在线商品展示等。光谱反射率是决定物体颜色的本质属性,如果知道了光谱反射率,就可以重现物体在任何光照和观测条件下的颜色。采用专业仪器测量光谱反射率有成本高、分辨率低、测量时间慢等问题。随着数码成像设备的普及,基于相机RGB响应值的光谱反射率重建算法具有重要现实意义。光谱反射率重建的目的是建立低维RGB响应值到高维光谱反射率向量的映射关系,回归方法在这一领域已取得广泛应用。由于光谱反射率向量所处的空间是嵌在高维欧氏空间中的一个低维子流形,在训练样本有限的条件下,传统的全局回归方法不能有效地学习该流形结构,往往导致过拟合,使得学习出来的模型泛化能力较差。局部线性回归方法虽然可以改善全局回归过拟合的问题,但是局部学习方法易受例外点的影响,导致拟合不足。针对这一问题,提出一种基于局部加权线性回归的光谱反射率重建方法,这种方法在一个k最近邻范围约束内,给每个局部训练样本赋予不同的权重,从而有所侧重地利用局部训练样本来估计光谱反射率。实验结果表明,基于局部k最近邻加权线性回归的方法能更有效地利用局部信息,缓解过拟合和拟合不足,更准确地重建光谱反射率。

基于多尺度块搜索的单幅图像超分辨率重建

针对基于学习的超分辨率重建算法重建结果不自然,且重建速度较慢等问题,提出一种在多级下采样图像中搜索相似块并自适应加权的重建方法。对学习到的高分辨率块进行修正,并根据相邻块重叠部分的相似度对上述高分辨率块进行加权,从而降低重建后图像的模糊度和锯齿现象。采用随机块搜索方法对相似块进行查找,相对于树结构的查找方法大幅降低了重建时间。实验结果证明,该方法能够在无任何先验信息的条件下,快速地对单幅图像进行超分辨率重建,并且从有参和无参的图像质量评价两方面,证明重建出的图像质量也有所提高。

基于分组重量编码的蛋白质功能预测

从蛋白质序列出发,采用分组重量编码(Encoding Based on Grouped Weight,简记EBGW),并结合最近邻居算法对蛋白质功能进行预测。对酵母(Saccharomyces cerevisiae)蛋白质的1826条序列进行预测,整体预测准确率与其他基于序列信息的蛋白质功能预测方法相当。实验结果表明基于EBGW编码方案的新方法可有效地应用于蛋白质功能预测。

引入共享近邻加权图的Chameleon算法

针对Chameleon算法中采用距离函数度量数据点间的相似度,导致距离相近的两个点可能仅拥有很少的共同特征,最小二分实际操作困难,合并时需要人工指定阈值以及一旦合并完成后不能撤销的问题,对Chameleon算法进行改进,提出一种引入共享近邻加权图(WSnnG)的Chameleon算法。该算法以数据对象间的共享近邻数来衡量相似度,进一步构造WSnnG,再利用网络模块性评价函数指导最小二分,然后以结构等价相似度作为合并的依据,最后通过引入内聚度度量函数解决合并后不能撤销的问题。在UCI数据集及4个二维人造数据集上的实验结果表明,该算法在聚类精度和运行时间方面具有更好的效果。

基于加权K近邻算法的缺失数据填补研究

针对数据缺失问题,本文在完全随机缺失的前提下,对完整数据集进行不同比例的挖空处理,并使用K近邻算法进行缺失值填补;采用交叉验证法优化K值;最后借用高斯函数,对传统K近邻算法进行加权处理,提出加权K近邻算法。实验结果表明,不论K取值多大,加权K近邻算法填补效果均优于传统K近邻算法;且K=2时,两种算法填补效果达到最佳。

非参数回归函数最近邻估计误差分布的随机加权逼近

本文研究回归函数的最近邻估计的分布逼近问题．在一定条件下得到了最近邻回归估计误差的逼近分布，且逼近的精度比正态逼近精度更高．

GPS水准计算的非参数回归法

非参数回归是一种广义的回归方法,它具有直观,对模型要求不严密,计算简单的优点。本文介绍非参数回归的原理及其左GPS水准计算中的应用,通过对两个测区的试算,得出了一些有益的结论。