基于Huber回归的配网自动化应用成效分析

为发掘反映配网自动化应用成效的核心要素,定量评估业务过程对配网自动化应用成效的贡献,提出一种采用Huber回归算法的配网自动化应用成效分析模型。在充分考虑自动化全过程精益管理需求的基础上,模型以若干关键业务过程指标为自变量,以减少用户停电率为因变量,基于样本数据,采用Huber回归算法构建关联模型;最终通过计算获得了各业务过程指标对减少用户停电率指标的贡献度。通过算例对所设计的模型进行验证,结果表明,所提模型及算法能够以数据驱动方式指导自动化全过程精益管理策略优化,可以提高配网自动化建设投资效益、提升配网自动化支撑快速复电能力。

基于Huber回归的漫射相关光谱组织血流测量方法

将Huber回归算法应用于漫射相关光谱这一相对较新技术中,通过N阶线性算法(Nth-order linear algorithm,NL algorithm)从光电场时间自相关数据中稳健地提取血流指数(Blood flow index,BFI)。NL算法可以从不规则几何形状的组织中提取血流指数,其准确性依赖于迭代线性回归。本文首次提出将Huber回归与NL算法相结合,并通过计算机模拟将Huber回归与传统的普通最小二乘法(Ordinary least square,OLS)回归进行了比较。结果表明,Huber回归提取血流指数比OLS方法更准确。与误差率为4.58%的OLS方法相比,Huber对应的误差率更小(3.54%),表明了其未来的临床应用潜力。

基于Huber回归模型的去中心化分布式估计研究

面对大数据易被异常值污染的情况,研究通过Huber回归模型,进行相关统计推断,构建相关替代损失函数,实现基于替代似然函数优化的转化。在交替方向乘子法 (Alternating Direction Method of Multipliers,ADMM)的基础上,引入Proximal算子,以此来进行模型参数估计。结果显示,研究方法能有效对模型参数进行估计,其估计精度趋近于A法,小于B法。在不同鲁棒性常数和随机误差下,研究方法估计误差最小达到0.008 5,与A法相同,明显小于B法。在实证分析中,整体上,研究方法预测误差趋近于A法,小于B法。鲁棒性常数为1,在交互次数为100次时,机器数为20台下,研究方法预测误差为0.000 16。在去中心化场景下,使用Proximal- ADMM算法,能降低大数据处理的计算成本,有效解决机器交互复杂度高的问题。

协变量随机缺失下大规模Huber回归模型的分布式计算方法研究

大数据是一种海量、高增长率、多元化的信息资产,需要新的处理模式才能具有更强的决策力、洞察发现力和流程优化能力。在大数据的背景下,为了消除异常值和缺失数据的影响,本文提出一种协变量随机缺失下大规模Huber回归模型的分布式计算方法。首先对随机缺失的协变量采用逆概率加权的方法进行处理,然后将大数据进行分布式存储,构造一个交互有效的替代损失函数,将替代损失函数的优化问题与ADMM算法相结合对未知参数进行估计。模拟和实证研究表明:在有限次主从机器之间交互次数下,提出的分布式计算方法得到的估计误差递减并趋于全局最优方法得到的估计误差,且比基于平均的OneShot方法的估计误差小。

大数据背景下基于Huber回归模型的分布式优化方法研究

随着高科技的快速发展,大规模数据的涌入给现有的统计方法和理论带来新的挑战。大数据很容易被异常值污染,可能包含具有厚尾分布的变量,使得许多常规方法不再适用。为了消除异常值和厚尾变量的影响,本文以大数据为背景,采用Huber回归方法,用于鲁棒的估计和推断,为了达到仅使用局部样本就可有效评估全局损失函数的目的,本文构造出全局损失函数的一个交互有效的替代损失函数,将基于全局损失函数的优化转化为基于替代似然函数的优化。为了对Huber回归模型中的参数进行估计,本文设计Proximal-ADMM算法,并结合分布式优化的思想有效解决大规模数据导致的计算成本昂贵和机器之间交互复杂度过高的问题。

一种基于Huber曲面拟合的图像去噪算法

探讨一种主要针对椒盐噪声的图像去噪算法。该方法首先对图像进行固定块分割(例如8×8)。对于每个分割块进行Huber曲面拟合,由于Huber线性回归对椒盐噪声具有很好的鲁棒性,该算法从而达到图像去噪的目的。实验结果表明,对椒盐噪声图像而言,该算法与传统最小二乘方法相比,去噪效果非常明显。

基于信道模糊关联识别的NLOS测距误差补偿算法

针对NLOS测距存在误差的问题,提出一种基于信道模糊关联识别的NLOS测距误差补偿算法.根据先验信道特征参数分布信息构造信道特征参数模糊隶属矩阵,并利用灰色关联分析方法计算归一化权值矩阵,进而获得模糊综合评价矩阵来对信道环境进行识别.在此基础上,根据信道识别结果构建Huber代价函数,通过Huber线性回归方法对原始测距结果进行迭代重构,将重构结果作为Kalman滤波的测量值进行滤波.仿真结果表明,所提算法可以有效提高NLOS环境下的测距精度,在信噪比大于-2 dB时可以达到厘米级测距精度.