局部权重调节的自适应惩罚样条回归模型

       摘要: 传统惩罚样条回归模型中的惩罚是均匀惩罚未考虑数据的局部异质性,因而对复杂数据的拟合缺乏自适应性.本文针对约束回归模型惩罚项的设置特点,设计一种局部惩罚权重向量并将其加入到模型中,构造基于B 样条基的自适应惩罚样条回归模型.新模型在观测数据波动较大的区域,给予拟合曲线较小的惩罚,而在观测数据波动较小的区域,给予拟合曲线较大的惩罚,从而使拟合曲线能自适应的反映观测数据的局部变化特征.模拟和应用的结果显示新模型的拟合效果显著优于传统的惩罚样条回归模型.

作者:
殷亚琪 杨联强 王学军
单位:
安徽大学数学科学学院,安徽 合肥,230601
出处:
《应用数学》
刊期:
2018年第31卷第3期
基金:
国家自然科学基金(11671012) 安徽省高校自然科学基金(KJ2017A028,KJ2017A024) 安徽大学数学科学学院开放课题(Y01002431)

局部权重调节的自适应惩罚样条回归模型

摘要:传统惩罚样条回归模型中的惩罚是均匀惩罚未考虑数据的局部异质性,因而对复杂数据的拟合缺乏自适应性.本文针对约束回归模型惩罚项的设置特点,设计一种局部惩罚权重向量并将其加入到模型中,构造基于B 样条基的自适应惩罚样条回归模型.新模型在观测数据波动较大的区域,给予拟合曲线较小的惩罚,而在观测数据波动较小的区域,给予拟合曲线较大的惩罚,从而使拟合曲线能自适应的反映观测数据的局部变化特征.模拟和应用的结果显示新模型的拟合效果显著优于传统的惩罚样条回归模型.

说明:如本页面涉及到版权问题或作者不愿意公开,请联系本站管理员删除!

0.149295s