CD-CAT中基于SCAD惩罚和EM视角的在线标定方法开发——G-DINA模型

G-DINA(the generalizeddeterministic input,noisy and gate)模型限制条件少,应用范围广,满足大量心理与教育评估测验数据的要求。研究提出一种适用于G-DINA等模型的同时标定新题Q矩阵与项目参数的认知诊断计算机化自适应测验(CD-CAT)在线标定新方法SCADOCM,以期促进CD-CAT在实践中的推广与应用。本研究分别基于模拟题库以及真实题库进行研究,结果表明:相比传统的SIE方法,SCADOCM在各实验条件下均具有较为理想的标定精度与标定效率,应用前景较好;SIE方法不适用于饱和的G-DINA等模型,其各实验条件下的Q矩阵标定精度均较低。

阵元失效下基于核范数和SCAD惩罚的MIMO雷达DOA估计

阵元失效下多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达虚拟阵列协方差矩阵出现大批整行整列元素缺失,破坏原有内在完整结构,导致波达方向(Direction of Arrival,DOA)估计性能下降。为此,提出一种联合核范数和SCAD(Smoothly Clipped Absolute Deviation)惩罚的完整协方差矩阵重构方法,以利于阵元失效下MIMO雷达DOA的有效估计。首先对待恢复的协方差矩阵建立核范数和SCAD惩罚双先验约束模型,并利用等正弦空间稀疏化方式划分粗网格空间,在可容忍的模型误差内能大大降低运算复杂度;然后利用ALM-ADMM(Augmented Lagrange Multipliers-Alternating Direction Method of Multipliers)算法对双先验约束模型进行求解,从而恢复协方差矩阵中大量整行整列的缺失数据;最后通过RD-ESPRIT(Reduced Dimensional ESPRIT)算法进行目标DOA估计。仿真结果验证该方法能快速恢复虚拟协方差矩阵中的缺失数据,从而有效提高阵元失效下MIMO雷达的DOA估计性能。

基于SCAD_L_(2)和SCAD混合惩罚的高维随机效应线性回归模型

大数据时代的到来,使得变量选择问题成为了当前统计界和各重要领域实际工作者研究的重点课题在许多实际问题中,由于数据间存在相关性或异方差,对高维模型进行变量选择时会产生较大的系统性偏差。该文考虑高维随机效应线性回归模型,改进了现有的基于双惩罚思想的变量选择方法,提出了基于SCAD_L_(2)和SCAD的混合惩罚方法,在一定程度上弥补了已有方法不同时具备分组效应和渐近性质的不足:给出了基于混合惩罚的随机效应线性回归模型的两步迭代算法.分别在信噪比和随机效应影响不同的情况下对模型进行蒙特卡洛模拟和实例验证.结果表明:与其他惩罚方法相比,该混合惩罚方法具有分组效应和渐近性质,表现出更优良的变量选择能力和系数估计效果,适用于高维随机效应线性回归模型.

用SCAD惩罚研究带遗传约束的Cox模型

用SCAD惩罚估计方法研究带遗传约束的Cox比例风险模型的模型选择与参数估计问题.首先根据分层交互的思想,给出带遗传约束的Cox模型.然后利用再参数化交互项系数的方法重新定义带遗传约束的Cox模型,运用SCAD惩罚偏似然估计方法进行变量选择和参数估计,变量选择的同时自动实现遗传约束,在给定的正则条件下证明了估计量具有Oracle性质.最后通过数值模拟验证了该方法的可行性.

SCAD惩罚逻辑回归的财务预警模型

作为一种有监督学习算法,逻辑回归(Logistic Regression,LR)已广泛应用于财务危机建模分析,但其潜在地存在过拟合问题。鉴此,提出一种基于平滑削边绝对偏离(Smoothly Clipped Absolute Deviation,SCAD)惩罚逻辑回归的财务预警模型。该模型不仅能很好地解决模型过拟合问题,而且还可以同时实现变量选择和模型系数估计,并提高了模型的解释性。结合沪深股市A股制造业上市公司的财务数据进行实证研究,同时对比一般的L1正则化和L2正则化逻辑回归模型的预警效果进行实证分析,实验结果表明:SCAD惩罚逻辑回归模型具有较好的分类效果和较强的经济解释能力。

系统化的机械产品计算机辅助设计（SCAD）方法的研究

通过将系统化的工程设计方法与ＣＡＤ技术相结合，提出系统化的计算机辅助设计（ＳＣＡＤ）方法。并研究了ＳＣＡＤ所包含的四个阶段──计算机辅助产品规划（ＣＡＰＲＰ）、计算机辅助概念设计（ＣＡＣＤ）、计算机辅助具体化设计（ＣＡＥＤ）和计算机辅助详细设计（ＣＡＤＤ）的一些具体实施方案，形成了ＳＣＡＤ技术的基本理论框架。

一种基于SCAD的改进谓词发现方法

针对归纳逻辑编程中传统谓词发现方法会导致错误级联的难题,提出一种基于平滑削边绝对偏离(smoothly clipped absolute deviation,SCAD)正则化稀疏的改进谓词发现方法.新方法并不明确地创建新谓词,而是通过使用正则化稀疏方式将软谓词发现的参数一起正则化,从而隐式地组合紧密相关的规则.在软谓词发现中引入SCAD这一正则化稀疏模型,同时针对无偏稀疏性,着重观察SCAD对软谓词发现结果的影响.基于欧洲皇室家庭关系数据集进行试验,确定了μ,α的最优值,并完成了知识库完善试验.结果表明,该方法能有效克服错误级联这一难题,缩短对知识库的查询时间,并可提高谓词发现的平均精准度到0.798,远超过基于拉普拉斯正则化的软谓词发现方法的0.726.

基于M-SCAD方法的利率期限结构中的节点选择

针对国债市场部分债券价格扭曲的情况,提出一种基于M-SCAD(M-Estimator Smoothing Clipped Absolute Deviation)方法的稳健样条利率期限结构模型.首先,将M-SCAD方法引入到三次多项式样条函数中对利率期限结构建模.然后,给出模型的优点和性质,使用该方法进行节点选择,可以确定样条函数的节点数量和位置,同时进行参数估计.最后,把构建的模型进行实证研究,对上海证券交易所交易的国债利率期限结构进行建模分析.样本外预测结果显示:与传统的方法相比,新方法可以有效地选择合适的模型,增加参数估计的稳健性,提高预测的精度,增强期限结构定价的准确度.

基于SCAD的压缩感知阈值迭代算法的收敛性分析

基于SCAD罚函数的压缩感知在有噪声稀疏信号重建中具有优良的理论及应用效果,开展其快速重建算法研究有着重要的意义,阈值迭代算法是解决压缩传感问题最有效的算法之一.本文研究了基于SCAD罚函数的压缩感知阈值迭代算法的收敛性问题,给出了算法收敛到稀疏解的充分条件,并证明了迭代估计值以指数阶速率收敛于最优值.进一步,本文给出了基于AMP改进的SCAD阈值迭代算法的收敛性分析.

基于Q-SCAD的样条函数法拟合国债利率期限结构

将惩罚分位数回归SCAD方法引入样条函数并以此来构建国债利率期限结构模型.该方法可以实现自动选取最优分位数,并同步完成模型中的节点选择和参数估计.样本外预测结果显示,与传统的方法相比,新方法可以有效地选择合适的模型,增加参数估计的稳健性,提高预测的精度,增强利率期限结构定价的准确度.

SCADA系统在罐区自动化管理方面的应用

介绍ＳＣＡＤＡ系统在罐区自动化管理方面应用的硬件、软件结构和系统特点、功能、控制原理、调试及使用效果。

基于双SCAD惩罚的随机效应分位回归模型

文章提出一种同时对固定效应和随机效应施加双SCAD惩罚的随机效应分位回归模型。使用两步迭代算法求解参数,并用SIC和GACV准则对惩罚参数进行选取,在这两种准则下进行了蒙特卡洛模拟比较,分别模拟了在误差不同和变量相关系数不同的情况下的估计和选择情况。基于GACV准则将提出的方法在不同情形下与其他两种方法进行模拟对比,最后用实例数据进行验证。结果表明:该模型系数估计和变量选择的结果良好,且提出的方法非常适用于稀疏模型。

基于TransCAD系统公路OD调查数据统计和分析模块开发

1项目来源广东省交通运输厅科技计划立项编号：2008-38。2主要完成单位广东省公路勘察规划设计院股份有限公司3主要技术内容本OD调查数据整理和分析模块是基于TransCAD软件中自带的GISDK作为开发平台。采用GIS开发者工具包（GISDK）、Caliper Script、VB编程语言相结合,

部分线性回归模型中改进的差分估计及SCAD

考虑了部分线性回归模型中回归参数向量估计的问题,提出了具有更好性质的压缩差分估计,并且将SCAD惩罚函数运用到模型中得到SCAD估计,然后通过Monte Carlo模拟了压缩差分估计和SCAD估计的相关结果,并对它们之间的优劣进行了比较.

基于SCAD惩罚回归的异常值检测方法

异常值检测方法研究是当今数据分析领域的一个热门问题。传统的基于模型的异常值检测方法,往往是先对模型中的参数进行估计,再检测异常值,但是异常值的存在会影响参数估计值,从而使得异常值检测结果不可靠。文章基于线性回归模型,引入异常值识别变量,提出线性均值漂移模型。在进行低维数据异常值检测时,对漂移项施加SCAD惩罚,利用坐标下降算法同时进行参数估计和异常值检测;在进行高维数据异常值检测时,对模型参数和异常值识别变量分别施加SCAD惩罚,利用坐标下降算法同时进行参数估计、变量选择和异常值检测。基于线性均值漂移模型,采用SCAD惩罚回归的思想设计坐标下降算法,消除了低维和高维数据中异常值的存在对参数估计带来的不利影响。

广义线性模型基于SCAD和MCP的组变量选择方法研究

组变量出现在许多统计建模问题中,如回归模型中的多水平分类变量可以由一组哑变量表示.Group MCP和Group SCAD因具有Oracle性质被广泛使用.该文将这两种方法应用于广义线性模型,分别在Logistic回归模型和Poisson回归模型中研究了基于Group SCAD和Group MCP的组变量选择.通过数据模拟和实际数据分析,验证了这两种方法具有非常好的表现.

SCADA系统异常数据分析及治理建议

介绍了实际运行过程中SCADA系统形成异常数据的原因,按照异常数据与实际运行中真实数据的偏离程度,将多种异常数据分为错误数据、畸变数据两类,并依据运行维护过程中总结的实践经验,针对每种异常数据产生的原因,提出了预防异常数据产生或对已经形成的异常数据进行治理的建议。

利用SCADA系统遥测数据实时计算线损变损

为了提高电网运行的经济性，利用ＳＣＡＤＡ系统遥测数据实时计算电网线损、变损是十分必要的，也是可行的。实时计算线损、变损能够达到以下目的：（１）动态观察正常方式及非正常方式时电网各条线路、各变电站的线路损耗、变压器损耗及其损耗率。（２）便于统计每月、每...

Cox比例风险模型的弹性SCAD变量选择方法及应用

本文对基于Cox比例风险模型的弹性SCAD变量的选择方法进行了研究,证明了弹性SCAD方法在进行变量选择时具有Oracle性质、渐近正态性及组效应。通过数值模拟,将弹性SCAD与几种常见变量选择方法作了比较,得出几种不同参数设定下的变量选择结果。通过肺癌实际数据比较了弹性SCAD方法和其他常见变量选择方法。研究结果表明,弹性SCAD方法选出的变量与临床结论一致并发现了需要进一步深入研究的变量。

SCADA视频联动在轨交车站电力监控系统中的应用

提出一种适用于轨交车站电力监控系统的电力SCADA视频联动方案,并据此进行了工程实践。实际运行情况表明,通过电力SCADA视频联动可在配电系统发生跳闸事故时及时定位现场故障点,获取更详细的故障信息,从而为后续事故处理提供了极大的便利条件。