自适应设计广义线性模型的自适应Lasso惩罚最小二乘的渐近性质

针对自适应设计广义线性模型,研究自适应Lasso惩罚最小二乘变量选择方法。在一定条件下,得到自适应Lasso惩罚最小二乘估计的相合性和Oracle性质,该结果将固定设计广义线性模型相关结果推广到自适应设计广义线性模型中。通过模拟可知,自适应Lasso惩罚方法优于Lasso惩罚方法。

机械臂多目标最优轨迹的自适应惩罚MOEA/D规划

为了减少机械臂的工作时间和工作过程中的冲击量,提出了基于自适应惩罚MOEA/D算法的时间-冲击多目标规划方法。介绍了PUMA560机械臂结构,并建立了机械臂的连杆坐标系。建立了以减小机械臂工作时间和冲击为综合目标的优化模型,并分析了5次多项式插值函数。通过编码和建立适应度函数,将轨迹规划问题转化为最优基因搜索问题。根据邻域内解的密度设置了自适应惩罚因子,提出了机械臂轨迹的自适应惩罚MOEA/D规划方法。经仿真验证,自适应惩罚MOEA/D算法搜索的Pareto前沿解质量高于标准MOEA/D算法、文献[10]新型MOEA/D算法。且经过优化,机械臂工作时间减少了7.68%,冲击减少了17.32%。实验结果表明,自适应惩罚MOEA/D算法在机械臂轨迹规划中具有优越性。

基于双自适应Lasso惩罚的随机效应分位回归模型研究

研究目标:解决随机效应分位回归模型中固定效应和随机效应系数同时估计和选择问题。研究方法:对固定效应和随机效应系数同时实施自适应Lasso惩罚,并为参数估计设计交替迭代算法。研究发现:新方法不仅对随机误差分布具有较强的稳健性,而且在不同稀疏度模型下均有着良好的表现,尤其是在高维情形时。研究创新:本文提出的方法在对模型中重要自变量进行选择的同时能够充分考虑随机效应的影响;交替迭代算法不仅有效解决了需要选择两个惩罚参数的困境,而且收敛速度快。研究价值:为实际工作者对面板数据和纵向数据的分析提供了有效的建模方法。

众数自适应Lasso回归的统计推断

本文给出了自适应Lasso的众数回归模型,用来对众数回归模型的变量进行选择.对比传统的均值回归模型和中位数回归模型,众数回归在解决重尾、多峰分布问题时更加稳健.众数回归模型的主要估计方法是核估计方法,当自变量的数目较大时,该方法会产生难以忽略的计算误差.本文在核估计方法的众数回归模型基础上添加惩罚项,并通过自适应Lasso方法进行参数估计,有效的剔除了贡献率低的自变量,同时提高了计算的准确性.本文详细阐述了该计算方法,并在一些正则条件下,给出了模型的参数的估计方法和估计值的渐近正态性.模拟实验和实证分析研究了所提方法在有限样本下的性质.对比均值回归模型和传统的众数回归模型,添加自适应Lasso惩罚项的众数回归模型极大地提高了参数估计的准确性.

联合自适应LASSO与块稀疏贝叶斯直接定位方法

无源定位中,直接定位方法优势在于适用低信噪比、参数独立等。然而,当辐射源距无源侦测系统较远时,受低信噪比的影响,接收信号模型中存在的部分未知参数会大幅降低算法对于辐射源的定位性能。为了有效地解决该难题,给出了一种联合自适应LASSO先验与块稀疏贝叶斯的辐射源直接定位方法。经由贝叶斯理论构建分层稀疏模型,联合不同的先验分布以赋予信号中元素独立的自适应LASSO,同时探索信号的块结构和块内相关性,联合具有共享稀疏性的不同基站的字典重建过完备字典,实现远距离辐射源定位。仿真结果表明:在远距离下,当快拍数设置较少,信噪比设定较低时,在辐射源定位效果上所提算法显著优于如MUSIC等传统直接定位算法、Laplace先验方法以及块稀疏贝叶斯方法。

一种新的自适应惩罚函数算法求解约束优化问题

提出一种新的自适应惩罚函数法,用来处理约束优化问题.这种方法根据当前群体中可行解的比例对目标函数和违反约束条件的程度作出合适的权衡,具有结构简单、参数少等优点.把它和一个简单的进化策略结合起来,得到了一种新的求解约束优化问题的进化算法.选取几个常见的测试函数对这种新方法进行了数值实验.结果表明,所提方法能够非常有效地处理各种约束优化问题,而且具有很强的稳健性;其性能优于或相似于一些尖端的算法.

基于自适应惩罚的潜变量高斯图模型结构学习

采用自适应惩罚似然方法解决含潜变量高斯图模型的结构学习问题.模拟结果表明,自适应惩罚显著优于非自适应惩罚,可有效降低估计偏差,更准确地估计给定潜变量时观测变量间的条件独立性关系.

中国区域碳排放权价格影响因素的研究——基于自适应Lasso方法

中国区域碳排放权交易自2013年正式启动,至今发展仅有近一年的时间,文章以深圳排放权交易所公布的碳配额价格为研究对象,考虑国际碳价、国内外经济状况、国内外能源价格和汇率四个维度共13个影响因素,以自适应Lasso方法进行降维和参数估计,并与逐步回归作比较。研究发现:国内区域碳价受欧元汇率的影响最大,其次是国内的石油价格;国内经济和欧洲经济状况对国内区域碳价有正向影响;而国际碳价与国内区域碳价之间的联系较弱。

基于AEA算法的自适应惩罚函数求解约束优化及其在丁烯烷化过程的应用

提出了一种基于AEA算法处理约束问题的自适应惩罚函数法。该算法通过统计迭代种群中个体对每个约束条件违反的次数,判定各约束的强弱地位,动态自适应地调整各个约束的惩罚系数,对于强约束给予较大的惩罚系数。同时对目标函数做出了相适应区分修改,使得可行解和不可行解的目标函数值出现一定的区分,目标函数项和惩罚项趋于平衡,避免了惩罚力度过大或过小,有利于算法前期快速进入可行解区域,后期寻找最满意解。通过标准测试函数试验结果与DE+AMP、SSaDE算法进行比较,表明了提出的方法具有良好的适用性以及全局优化性能,将该方法应用于丁烯烷化过程的约束优化,取得了令人满意的结果。

自适应误差惩罚支撑向量回归机

该文提出一种支撑向量回归机AEPSVR。它首先用ε-SVR求得一个近似的支撑向量回归函数,在此基础上,引入一种新自适应误差惩罚函数,通过迭代,得到鲁棒的支撑向量回归机。该方法因以ε-SVR为基础,故可以应用各种求解SVR的优化算法。实验表明,该支撑向量回归机AEPSVR能显著地降低离群点的影响,具有良好的泛化性能。

面板数据贝叶斯自适应Lasso分位数回归——基于非对称指数幂分布的研究

分位数回归的贝叶斯推断目前几乎都建立在非对称拉普拉斯分布(ALD)之上。ALD中尾且缺乏控制尾部参数的弊端使得其在实际数据出现尖峰厚尾以及偏斜分布时不能灵活地反映数据特征,导致贝叶斯分位数估计出现偏差。为克服这一缺陷,本文采用具有左右尾参数的非对称指数幂(AEP)分布和基于Gibbs的自适应Metropolis–Hastings抽样方法,对经典贝叶斯分位数回归方法进行了扩展与改进,形成了基于AEP分布的贝叶斯自适应Lasso分位数回归方法,并将该方法首次应用于面板数据中。同时,为检验AEP方法的有效性,本文将该方法与基于偏指数幂(SEP)分布和基于ALD分布的贝叶斯自适应Lasso分位数回归方法进行了模拟比较。结果显示,AEP方法比SEP和ALD方法更不易受极端值的影响,性能更稳定。并且,在不同扰动项分布假设和不同分位数水平下,该方法具有更高精度的变量筛选功能。最后,选取36家我国零售类上市公司为实证研究对象,运用AEP方法对其股票收益率影响因素进行筛选和回归估计,进一步验证了该方法在实际问题中进行变量选择和参数估计的能力。

领导非权变惩罚行为对员工适应性绩效的影响研究

基于信息寻求动机理论,通过对3个阶段的问卷调查获得的585份有效数据,运用结构方程模型(SEM)和模糊集定性分析(fsQCA)的方法,探讨了领导非权变惩罚行为对员工适应性绩效的影响、员工反馈规避行为的中介作用以及防御型调节焦点的调节作用。研究结果表明:领导非权变惩罚行为对员工适应性绩效有显著负向影响,员工反馈规避行为在其中起部分中介作用;员工防御型调节焦点不仅正向调节领导非权变惩罚行为与员工反馈规避行为之间的关系,还增强了领导非权变惩罚行为通过员工反馈规避行为对适应性绩效产生的消极影响。模糊集定性比较分析的结果也同样证实了以上结论。

基于自适应动态惩罚遗传算法的桥梁监测无线测点优化研究

针对桥梁监测的无线测点优化布置问题,提出一种基于自适应动态惩罚函数的改进广义遗传算法。首先针对无线传感器数量固定和通信距离有限的典型特征将桥梁监测无线测点优化布置表达为约束优化问题,无线传感器的数量和极限传输距离作为优化问题的约束;其次构建了一种能够根据解的偏离程度和种群中高适应度个体数量自动调整惩罚力度的自适应动态惩罚函数;然后采用精英保存机制和末位淘汰策略对基于二重结构编码的广义遗传算法进行了改进;最后利用一大跨悬索桥对该方法进行了验证,并进一步讨论了自适应动态惩罚函数对解的有效性和收敛速度的影响。结果表明:提出的自适应动态惩罚函数能够根据种群的特征自动改变惩罚尺度,保证无线传感器之间的距离小于极限通信距离,同时将无线数据传输距离对桥梁监测信息获取的影响降到最低;改进的广义遗传算法具有很强的全局快速寻优能力,能够快速搜索到全局最优解,优化结果不仅能够满足无线传感网络数据传输距离的要求,还能最大化无线测点的信息获取能力。

基于权值惩罚法自适应人机协同避撞策略

针对协同避撞过程中人机权值难以适应不同驾驶员与工况的问题,提出了一种自适应人机协同避撞策略。基于单点预瞄驾驶员模型,根据驾驶员决策意愿搭建了表征驾驶风格的驾驶员模型。基于距离策略,提出避撞模式切换策略,设计模型预测控制器跟踪规划路径。提出驾驶员权值惩罚法,根据驾驶员参数与道路条件对驾驶员权值进行先验条件的惩罚,引入碰撞、侧滑和越出车道3种事故风险度,设计模糊控制器,依据事故风险度对避撞过程中的驾驶员权值进行实时惩罚。仿真结果表明所提出的人机协同避撞策略可实时调整人机权值,显著降低事故风险,从而在协调人机有效避撞同时保证行驶安全性与稳定性。

中部六省FDI影响因素适应性Lasso模型探析

本文基于变量选择理论,运用适应性Lasso模型,选取中部崛起背景下2006-2017年中部六省的历史统计数据,探索影响中部六省外商直接投资的主要因素。结果表明:(1)中部崛起背景下,中部六省外商直接投资整体呈上升态势,存在明显的阶段性特征,其中"2008年世界金融危机爆发"是发展进程中的重要节点事件;(2)对影响因素深度剖析表明,集聚程度、经济发展水平、基础设施发展、政府效率对于吸引外资的作用明显。最后根据影响因素的强弱特征,给出了中部地区促进外商直接投资的相关建议。

基于适应性Lasso + GM (1, 1)模型的湖南物流业预测

物流业作为一个新兴产业,既可以促进各地区间的贸易往来,也可以推动该地区的经济增长,因而对物流业进行定量分析及预测未来的发展是非常有价值的。在文章中,使用湖南省2006~2019年物流业产值来分析湖南的物流业的情况;首先用适应性Lasso模型筛选出影响湖南省物流业发展较大的因素,然后用灰色模型预测湖南省物流业未来几年的发展,故而实现对湖南省物流业定量的分析。利用适应性Lasso + GM (1, 1)对湖南省的物流业产值进行定量分析和预测,并对结果进行分析,以期对湖南省物流业决策和战略作出参考。

分段平稳自回归过程的变点估计与模型选择——基于改进的自适应LASSO方法

针对非平稳时间序列中一类分段平稳自回归(PSAR)过程的变点估计和模型选择问题,在已有的将变点估计问题转化成变量选择问题方法的基础上,提出一种基于两阶段LASSO(TS-LASSO)算法同时进行变点估计和模型选择.具体地,在第一阶段中,通过LASSO算法对序列中的变点和模型进行初步的估计和选择,然后在第二阶段中结合改进的自适应LASSO算法对过估计的LASSO结果进行筛选,最终实现变点的一致估计和模型的准确选择.并对变点估计结果的大样本性质进行了分析.此外,对于特殊情形下的均值变化序列和无变点序列,TS-LASSO算法也能实现有效的估计和识别.最后,结合不同类型序列的模拟检验以及地震波数据的实例分析,证明TS-LASSO算法是有效的,并具有一定的实用意义.

基于稀疏组LASSO约束的本征音子说话人自适应

本征音子说话人自适应方法在自适应数据量不足时会出现严重的过拟合现象,提出了一种基于稀疏组LASSO约束的本征音子说话人自适应算法。首先给出隐马尔可夫—高斯混合模型下本征音子说话人自适应的基本原理;然后将稀疏组LASSO正则化引入到本征音子说话人自适应,通过调整权重因子控制模型的复杂度,并通过一种加速近点梯度的数学优化算法来实现;最后将稀疏组LASSO约束的自适应算法与当前多种正则化约束的自适应方法进行比较。汉语连续语音识别的说话人自适应实验表明,引入稀疏组LASSO约束后,本征音子说话人自适应方法的性能得到了明显提高,且稀疏组LASSO约束方法优于l1、l2和弹性网正则化方法。

带惩罚项的自适应非参数回归方法

针对曲线拟合问题,提出了用带惩罚项的自适应非参数回归方法来确定一组数据的拟合函数,并主要讨论了此方法中正则化参数的确定问题,其中包括凭主观选择法和交叉验证法以及通过非线性函数方程来确定正则化参数.最后,采用Matlab编程对一些实际例子进行了试算,其中应用了不同的方法,并且对一个实际问题采用不同方法进行了处理,并做出了比较.通过比较可看出,用带惩罚项的自适应非参数回归方法来确定一组数据的拟合函数的效果良好.

基于自适应Lasso流形规整的特征提取算法研究

针对原始高维空间数据特征冗余的特征问题,提出了一种自适应Lasso流形规整的特征提取方法。在原始空间中的样本,经过投影后可以保持在原始空间中的近邻结构,投影到低维空间后也可像高维空间中那样相近。通过模型做完特征选择后,以这些被选的特征子集作为输入,在数据集中做了一系列的分类实验。结果表明,该算法可以精准提取高维样本集的低维流形结构,具有较小的尺寸误差递减,特征提取性能较好。