回归函数的投影寻踪逼近的Lp收敛性

投影寻踪是用来处理高维数据得一类新型统计方法。由于不知道Ｅ（ｒｍ（ｘ）│α＾Ｔｍｘ）的具体形式,给投影寻踪回归的应用带来一定的困难,为此,作者曾证明岭函数为多项式形式的投影寻踪回归的Ｌ２收敛性「３」,本文在文献「３」的基础上进一步证明了回归函数投影寻踪逼近的Ｌｐ收敛性。     

回归函数的投影寻踪逼近的L_p收敛性

投影寻踪是用来处理高维数据得一类新型统计方法．由于不知道Ｅ（ｒｍ（ｘ）｜ａＴｍｘ）的具体形式，给投影寻踪回归的应用带来一定的困难，为此，作者曾证明岭函数为多项式形式的投影寻踪回归的 Ｌ２收敛性［３］，本文在文献 ［３］的基础上进一步证明了回归函数投影寻踪逼近的 Ｌｐ收敛性．     

基于AAWDA-PP回归模型的边坡稳定性评价

在边坡的稳定性评价中保证边坡分类的准确度十分重要.人工非洲野狗群体智能算法,能够通过模拟野狗的觅食行为来对目标函数进行寻优.结合投影寻踪算法以及阻滞增长曲线函数,建立人工非洲野狗优化投影寻踪模型,利用非洲野狗算法AAWDA优化投影指标函数及阻滞增长曲线函数参数,提高了模型求解的准确性,通过对求解后的结果建立回归模型,然后根据分级阈值对边坡等级进行分类,测试结果显示较好的精度.将模型应用于案例边坡的稳定性分析,并同PSO-PP模型,ANN模型所得结果进行比较分析,得出运用AAWDA-PP回归模型预测结果与经验值之间的误差最小,说明模型在研究边坡稳定性评价分级中更加准确有效.     

非线性时间序列的投影寻踪学习网络逼近

本文研究非线性自回归模型投影寻踪学习网络逼近的收敛性,证明了在L^k(k为正整数）空间上,投影寻踪学习网络可以以任意精度逼近非线性自回归模型,给出基于投影寻踪学习网络的非线性时间序列模型建模和预报的计算方法和应用实例,对太阳黑子数据,山猫数据及西安数据进行了拟合和预报,将其结果与改进BP网和门限自回归模型相应的结果进行比较,结果表明基于投影寻踪学习网络的非线性时间序列的建模预报方法是一类行之有效的方法。     

多维非线性自回归模型的投影寻踪学习网络逼近

本文研究基于投影寻踪学习网络的多维非线性自回归模型逼近的收敛性，证明了在L^k(k为正整数）空间上，投影寻踪学习网络可以任意精度逼近多维非线性自回归模型，并给出应用实例。     

投影寻踪模型的改进及其在城市水资源承载能力预测中的应用

在城市水资源承载能力研究中,偏最小二乘回归方法能有效地处理自变量间多重线性相关性问题,但不能较好地处理因变量与自变量间复杂的非线性问题.投影寻踪神经网络耦合模型是处理非线性问题的有力工具,而且神经网络投影寻踪耦合模型稳健性高,但不能较好地处理自变量间多重线性相关性问题.本文把这两种方法结合在一起,建立了基于偏最小二乘回归的神经网络投影寻踪耦合模型,对城市水资源承载能力进行了预测,并取得了满意效果.     

PP 型拟合优度检验

摄影寻踪(Projection Pursuit,简称PP)是一种新兴的用来处理高维数据的统计方法,其主要思想是通过极大化某个投影指标(通常是分布函数的泛函)来寻找低维投影,通过对其低维投影数据的研究来发现高维数据的性质.PP 方法自首次提出,已用于处理一些非正态多维数据分析问题,如回归、判别、聚类、密度估计等.     

左截断相依数据下非参数回归的局部M 估计

本文对左截断模型, 利用局部多项式的方法构造了非参数回归函数的局部M 估计. 在观察样本为平稳α-混合序列下, 建立了该估计量的强弱相合性以及渐近正态性. 模拟研究显示回归函数的局部M 估计比Nadaraya-Watson 型估计和局部多项式估计更稳健.     

有理单变元表示在优化问题上的应用

利用零维多项式系统的有理单变元表示,给出了求多项式在有限点集上的正性判定算法.同时,结合不等式证明,呈现了目标函数在零维系统约束下最优化的一个纯代数算法,从而将多元函数约束优化问题转化为单变元函数在单变元多项式约束下的优化问题.新算法不仅能处理目标函数为多项式的最优化问题,而且还能处理目标函数为有理分式函数和根式函数的的最优化问题,并且给出了目标函数最优值的精确区间表示,使得能任意精度地逼近最优值.     

投影寻踪方法与高光谱遥感图像数据特征提取的研究

高光谱技术的发展与应用对高维的高光谱遥感数据的处理方法提出了更高的要求，投影寻踪方法是一种处理高维数据的十分有效的降维方法。高光谱图像分析对投影寻踪方法仍是一个全新的领域。本文介绍了投影寻踪的一般概念。分析了基于信息散度指标投影的寻踪方法在高光谱图像处理中的应用，给出了它与主成份分析处理结果的对比。并提出PP与高光谱研究将来的发展方向。     

一类超越函数多项式不等式的自动证明北大核心CSCD

讨论了形如f(x,trans1(x),…,transn(x))>0的超越函数多项式不等式的自动证明问题,运用Taylor展开式将目标不等式的证明转化为一系列的一元多项式不等式的验证,然后借助代数不等式证明工具完成最后的工作.运用Maple实现了上述算法,算法对常见超越函数多项式不等式十分高效,并且可以输出"可读"的证明过程.     

带有误差变量的自回归模型的局部多项式估计

该文主要研究带有误差变量的自回归模型的自回归函数的非参数估计问题,应用卷积核函数,给出了自回归函数的局部多项式估计,考察了局部多项式估计的相合性和渐近正态性,最后作了模拟计算.     

Bezoutian矩阵的一致逼近形式

借助闭区间上的连续函数可以用Bernstein 多项式一致逼近这一事实,将多项式对所生成的经典Bezoutian 矩阵和Bernstein Bezoutian 矩阵推广到C [0,1]上函数对所对应的情形,给出了 Bezoutian 矩阵一致逼近形式的定义,并且得到如下结论：给出了经典 Bezoutian 矩阵的 Barnett 型分解公式和三角分解公式的一致逼近形式;提供了经典Bezoutian 矩阵和Bernstein Bezoutian 矩阵的一致逼近形式的两类算法;得到了上述两种矩阵的一致逼近形式中元素间的两个恒等关系式。最后,利用数值实例对恒等关系式进行验证,结果表明两类算法是有效的。     

张量分析和多项式优化的若干进展

张量分析 (也称多重数值线性代数) 主要包括张量分解和张量特征值的理论和算法,多项式优化主要包括目标和约束均为多项式的一类优化问题的理论和算法. 主要介绍这两个研究领域中若干新的研究结果. 对张量分析部分,主要介绍非负张量H-特征值谱半径的一些性质及求解方法,还介绍非负张量最大 (小) Z-特征值的优化表示及其解法;对多项式优化部分,主要介绍带单位球约束或离散二分单位取值、目标函数为齐次多项式的优化问题及其推广形式的多项式优化问题和半定松弛解法. 最后对所介绍领域的发展趋势做了预测和展望.     

非参数异方差回归模型的局部多项式估计——基于农村居民消费与收入的实证分析

本文主要研究非参数异方差回归模型的局部多项式估计问题.首先利用局部线性逼近的技巧,得到了回归均值函数的局部极大似然估计.然后,考虑到回归方差函数的非负性,利用局部对数多项式拟合,得到了方差函数的局部多项式估计,保证了估计量的非负性,并证明了估计量的渐近性质.最后,通过对农村居民消费与收入的实证研究,说明了非参数异方差回归模型的局部多项式方法比普通最小二乘估计法的拟合效果更好,并且预测的精度更高.     

在函数逼近论观点下半参数变系数非线性回归函数的估计

在函数逼近论的观点下研究了半参数变系数非线性回归函数的估计问题.采用总体之下L2多项式最佳逼近的方法与样本之下矩估计的方法,独立地分别作出非参数部分与变系数参数部分的解析函数形式的估计,最终得到回归函数的L2与强相合之联合收敛意义下的估计.     

关于微分多项式零点的定量估计

近来有不少各种有关超越整函数或满足δ(∞,f)=1的亚纯函数f的特殊形式(微分多项式)存在有无穷多个零点或亏值的结果.本文将有些结果归结推广到对任意一超越亚纯函数的一类具广泛形式的微分多项式的零点作讨论,并得到定量的估计.在证明中用到了改进的有关微分多项式的Clunie引理并对各种辅助函数的零点重数作了较精密的估计.     

基于投影寻踪模型的装备保障性目标评估

应用投影寻踪法,对保障性目标评估标准进行分析,利用在每个级别范围内随机产生的样本,建立了投影寻踪模型,确定了保障性目标评估指标的权重系数,得到了投影特征值变化区域与分类级别的对应关系,对某型航空装备使用初期的保障性试验数据进行分析,得到了其使用初期的级别和评估等级.为实现装备保障性评估目标评估拓展了新的途径,提供了科学依据.     

散布阵及主成分的稳健的投影寻踪估计的收敛

投影寻踪法是处理非正态多元数据的一种有效的新方法.作者在[11]中用这一方法给出了散布阵及主成分的稳健估计,并从理论上讨论了它们的良好性质.本文对其中的弱连续性及相合性作了详细证明;文中思路和技巧对投影寻踪这类方法的理论探讨有一定价值.     

简支板边界条件下四阶问题基于降阶格式的一种有效的谱Galerkin逼近

本文研究了简支板边界条件下四阶问题基于降阶格式的一种有效的谱Galerkin逼近.通过引入一个辅助函数和适当的Sobolev空间,将原问题化为两个耦合的二阶问题,建立其弱形式和相应的离散格式,利用Lax-Milgram定理和投影算子的逼近性质,我们证明了弱解和逼近解的存在唯一性以及它们之间的误差估计.再利用Legendre多项式的正交性质构造了一组适当的基函数,推导了离散格式基于张量积的矩阵形式.最后,我们给出了一些数值算例,数值结果验证了算法的有效性和理论结果的正确性.