基于Optuna框架的L_(p)范数约束下多核支持向量机在违约风险预测中的应用

针对违约数据存在数据量大、维度多、不平衡及噪声大等缺点,提出一种改进的支持向量机方法,即基于Optuna框架的L_(p)范数约束的代价敏感的多核支持向量机(L_(p)-Optuna-SVM)。该方法采用成本矩阵对不同预测错误赋予不同数值,通过多核学习引入多核混合核函数组合;同时采用Optuna优化框架对犯错成本、核函数的参数和权重实现了自动化的调优过程;还在核函数权重上引入L_(p)范数约束,以提高模型对噪声和异常数据的鲁棒性。最后,对4种常用的基础核函数组合的L_(p)-Optuna-SVM进行探讨,并与单核支持向量机以及K邻近法、逻辑回归、高斯贝叶斯进行对比。结果表明,在给定数据集上,L_(p)-Optuna-SVM在违约数据上的g-mean和AUC均高于其他算法,并且在加了不同方差的噪声数据集上,该算法整体依旧保持较好的鲁棒性。

一类具有p-Laplacian算子的Caputo-Hadamard型分数阶微分方程解的存在性

研究一类具有p-Laplacian算子的Caputo-Hadamard型分数阶微分方程解的存在性.通过构造迭代序列和上下解方法得到该方程解的存在性结论.值得一提是,研究的微分方程非线性部分包含Caputo-Hadamard型分数阶导数且边值条件带有积分.

广义L_(p)-混合弦长积分的Brunn-Minkowski型不等式与逆循环不等式

研究凸几何分析中星体的广义L_(p)-混合弦长积分,建立关于广义L_(p)-混合弦长积分的两类Brunn-Minkowski型不等式和一类逆循环不等式.

修正二元Gauss-Weierstrass算子线性组合在L_(p)(R^(2)+)空间中的逼近

借助K-泛函、广义Minkowski不等式、极大函数的定义及其性质,给出修正二元Gauss-Weierstrass算子线性组合在L_(p)(R^(2)+)空间中的逼近定理,并对此定理进行了证明.

L_(p)-Minkowski问题周期解的存在性

L_(p)-Minkowski问题是凸几何分析L_(p)-Brunn-Minkowski理论的核心,其实质是分析给定测度是否为凸体的L_(p)表面积测度问题.这个问题可以简化为二阶微分方程的周期解的存在性,L_(p)-Minkowski问题中周期解的存在性问题如下u″+u=h(t)/u^(ρ),其中h>0是连续的周期函数,常数ρ=1-p.利用了二阶微分方程周期解存在的充分条件,通过建立的一个方程的周期解的存在性判据,再利用Sobolev inequality证明了这个二阶微分方程周期解的存在性,得到在一定条件下周期解存在,这个方法在一定程度上扩大p的取值范围.最后给出一个例子,验证文中所得到的主要结果的可行性.

一类含p-Laplacian算子的Hadamard分数阶微分方程边值问题

利用非线性抉择定理和Leray-Schauder度理论,研究了一类含p-Laplacian算子Hadamard分数阶微分方程边值问题解的存在性,并举例验证所得结果的有效性.

自动加权多图正则化L_(p)光滑非负矩阵分解算法

针对多图正则化非负矩阵分解忽略了因子矩阵的光滑性以及图正则项参数选取困难的问题,建立了自动加权多图正则化L_(p)光滑非负矩阵分解(AMGSNMF)模型。该模型根据数据之间的几何结构自动地选取图正则项权重,且通过增加因子矩阵的光滑约束提升解的准确性。使用乘性更新的方法得到所建模型的算法——自动加权多图正则化L_(p)光滑非负矩阵分解算法(AMGSNMF)。将AMGSNMF算法应用于数据聚类,在数据集COIL20和ORL上的实验表明,AMGSNMF算法比四类经典的非负矩阵分解算法聚类精确度提升了0.4%~11.44%,归一化互信息提升了0.53%~3.86%。

Hardy-Littlewood截断极大算子的L^(p)范数的连续性

研究截断极大算子M^(b)_(a)的L_(p)(R^(n))→L_(p)(R^(n))范数的连续性。首先,分别给出‖M^(b)_(a)‖L_(p)(R^(n))→L_(p)(R^(n))关于参数θ=b/a的左右连续性,然后证明‖M^(b)_(a)‖L_(p)(R^(n))→L_(p)(R^(n))在无穷远处的连续性。

关于P方凸函数的一个Hadamard型不等式

在凸函数Hadamard型不等式基础上,通过应用P方凸函数的一个充要条件,得到了P方凸函数的一个Hadamard型不等式.

关于P-凸函数的Hadamard型不等式

对于P-凸函数在给定连续区间上的算术平均问题,通过P-凸函数理论将其转化为定积分问题,利用定积分的定义计算和定积分运算,建立了P-凸函数的Hadamard型不等式,给出了证明和发现不等式的实例.

P方凸函数的性质及Hadamard型不等式

基于对P方凸函数运算体系的考虑,补充定义了P方凸集,通过求证的方法对P方凸函数的运算性质进行了深入讨论,得到了P方凸函数的算术运算和函数运算两个方面的若干性质,与此同时还给出了它的Hadamard型不等式。

两个负系数P叶函数族的Hadamard积

给出了两个具有负系数P叶函数族T*p(A, B)与Cp(A, B)的Hadamard积的若干性质.

p方凸函数的Hadamard型不等式

利用p方凸函数的定义、积分变换和重要不等式,给出了p方凸函数的Hadamard型不等式.

序列空间l_(p)的两个提升性质

证明了Banach空间序列{En}的lp乘积lp（En）的连续对偶空间为mp（En*）,lp（En）为r-凸空间当且仅当lp为r-凸空间（0【r≤1）.

P-凸函数的Hadamard型不等式

通过P-凸函数的一个充要条件,应用凸函数的Hadamard型不等式,得到了P-凸函数的一个Hadamard型不等式.

Hadamard乘积与正系数的亚纯P叶函数

给出了正系数亚纯叶函数族Ｈ*（Ｐ，Ａ，Ｂ）的Ｈａｄａｍａｒｄ的乘积的一些性质．

协同(α,m;P)-凸函数的Hermite-Hadamard型积分不等式

凸函数理论及其应用在众多学科中都有广泛的应用,且各类凸函数性质的研究具有重要的意义.在本文中,我们在平面R_0×R的矩形域上建立若干个关于协同(α,m;P)-凸函数的Hermite-Hadamard型积分不等式.

p-Bloch空间及Q_(p,0)空间与具有Hadamard间隙的全纯函数

利用 p Carleson测度及具有Hadamard间隙的全纯函数讨论 p Bloch空间与Qp ,0 空间之间的关系 ,证明了 :①当 34 p<1时 ,Bp ∩1- 2 ( 1- p)n <q 1Qq ,0 ,且包含关系是严格的 ;②设 n- 1n <q 1 - 2 ( 1 - p)n 1 ,则Bp 与Qq

基于L_(p)拟范数稀疏约束和交替方向乘子算法的波阻抗反演

波阻抗是反映岩性的重要参数之一,该参数可通过叠后反演获得。基于L_(1)范数稀疏约束的正则化方法是目前常用的叠后波阻抗反演算法,但该方法获得的先验信息有限。为了挖掘更多的稀疏先验信息,进一步提高反演结果的精度,引入了基于L_(p)拟范数(0<p<1)稀疏约束和交替方向乘子算法两项关键技术。前者针对稀疏先验信息挖掘不足问题,采用了比L_(1)范数更为稀疏的L_(p)拟范数(0<p<1)作为稀疏约束,并加入了初始模型约束构成目标函数;后者针对L_(p)拟范数无法直接求解问题,采用交替方向乘子算法将目标函数分解为多个可以直接求解的子函数,然后交替求解。将提出的反演方法用于理论模型及实际数据的反演,与传统L_(1)范数稀疏约束的基追踪反演算法相比,新方法得到的反演结果精度更高,并具有一定的抗噪性。

基于l_(p)范数的离格稀疏空时自适应处理算法

稀疏恢复(Sparse Recovery,SR)空时自适应信号处理(Space Time Adaptive Processing,STAP)仅需要少量的杂波样本即可有效抑制杂波,但是稀疏恢复空时自适应信号处理依赖于空时字典,当载机运动方向与天线放置方向存在偏航角时,杂波脊偏离空时字典格点,出现离格问题,从而导致杂波抑制性能下降。已有的基于l_(1)范数类的离格稀疏恢复算法在存在噪声时性能下降,没有充分利用杂波的稀疏性,文章提出一种基于l_(p)(0<p<1)范数的离格空时自适应处理算法,首先将建立基于空时字典更新的稀疏恢复空时自适应模型,然后将该模型松弛为l_(p)(0<p<1)范数的非凸优化问题,最后利用主函数最大化算法将该优化问题转化成凸优化问题,利用两层迭代求解的方法得到该问题的解,最后利用模型的解估计杂波协方差矩阵。通过仿真实验表明,提出的算法能够提高存在离格问题时的杂波恢复精度,抑制杂波的性能也优于已有的基于变分推断的算法。