广义线性模型中基于拟似然的变量选择方法

变量选择是建立广义线性模型的基础．为了选择变量,本文提出了一种惩罚拟似然方法．这种方法不需要知道数据的分布,而只要求知道数据的一二阶矩．在统计推断过程中,此方法同时进行变量选择和参数估计,得到估计具有Oracle性质,并是渐近有效的．同时,本文定义了一种后验拟似然,于是,选择变量的过程就是一个比较拟后验密度的过程．特别的,对于线性模型,比较拟后验密度就等价于比较惩罚残差平方和．     

基于单片机和CPLD的复费率电能表集中抄表电路设计

设计了一种基于STC89C54RD＋单片机和EPM3128A CPLD芯片的民用电能表集中抄表系统,采取RS232、RS485、红外、电力线载波等多种接口与外部设备传输信息,实现了对用户电能表的复费率计量和根据用户欠费情况自动开/断电功能。试验证明,系统使用简便,扩展能力强,成本低,可靠性高,稳定性好,具有广阔的应用前景。     

点云数据热传导平滑过程中的惩罚函数形态

针对点云数据热传导平滑处理过程中惩罚函数的形态确定问题,提出了基于模糊数学隶属度函数形态相似性的热传导惩罚函数形态确定方法.通过对降半矩形分布、降半Г分布、降半正态分布、降半哥西分布、降半梯形分布和降岭形分布的数学形态分析,得出自变量的变化与惩罚函数值成非线性反比的函数选择原则.实验验证表明,降半哥西分布和降半正态分布为最佳实用函数,从而为点云数据的平滑去噪预处理提供了一条途径.     

具有畸形约束极值点问题的优化

在畸形约束极值点附近,约束边界与目标函数等值线接近于相切,可行适用方向区非常狭小,难以寻得真正的约束极值点。为了使优化方法更好地解决各领域的复杂优化问题,研究具有畸形约束极值点问题的优化。针对该类问题的一个算例,分别采用随机方向方法、复合形法、内点惩罚函数法、外点惩罚函数法进行了优化,并对比了计算结果。随机方向法和复合形法在寻得边界点之后,难以找到可行适用方向,因此给出了伪最优点。而惩罚函数法由于其渐进优化的特点,可寻得最接近于约束极值点的最优点。计算结果验证了基于盲人探路优化思想的改进随机方向法,可减少随机方向的产生次数;验证了基于盲人探路思想的改进复合形法,可减少复合形的构造次数;也验证了加固围墙的内点惩罚函数法不要求初始点一定在可行域之内,也不会因寻优越界而给出伪最优点。对于存在多个约束极值点的优化问题算例,只要适当选取初始点,采用内点法就能寻得所有局部最优点。通过多种优化方法的对比研究,得出了对于畸形约束极值点优化问题,宜选用惩罚函数法求解的结论。     

高维稀疏对角GARCH模型的估计及应用

高维数据背景下,数据维度和噪声的影响使得传统的GARCH模型不再适用.针对对角GARCH(goGARCH)模型的不足,将高维稀疏建模法应用到其估计过程中,提出了高维稀疏对角GARCH(HDS-goGARCH)模型.HDS-goGARCH模型通过引入惩罚函数,将一些不重要变量的回归系数压缩为零,来精简模型,达到降维的目的.通过模拟和实证研究发现:较传统的goGARCH模型而言,HDS-goGARCH模型明显提高了高维协方差阵的估计和预测效率;并且将其应用在投资组合时:在收益一定的情况下,由HDS-goGARCH模型所构造的投资组合的风险更小.     

面板半参数空间自回归模型的变量选择——基于STIRPAT模型的碳排放影响因素分析

变量选择有助于简化模型,提高估计和预测的精度,但目前鲜有涉及面板半参数空间自回归模型变量选择的研究。本文在ALASSO的基础上提出了SSAR-ALASSO法,该法的核心在于惩罚函数的选择和目标函数的构建。SSAR-ALASSO在变量和参数的对应关系、惩罚函数的选择、特殊参数的取值区间以及适用模型等方面与ALASSO存在差异。模拟结果显示,SSAR-ALASSO法在变量选择的准确性和参数估计的精度两方面均表现良好,随着样本容量的增加表现效果更佳。本文在碳排放量影响因素实证中采用SSAR-ALASSO法对STIRPAT模型进行变量选择。研究结果表明人均财富、技术水平、产业结构、所有制结构和产业集聚显著影响碳排放量,城市化、对外开放、能源价格和环境政策对碳排放量无显著影响。     

带有线性惩罚的鲁棒k-种产品设施选址问题的近似算法

$k$-种产品设施选址问题是指存在一组客户和一组可以建设设施的地址。现有$k$种不同的产品,每一客户均需要$k$种不同的产品,且每一设施最多只能生产一种产品。问题的要求是从若干地址中选择一组地址来建立设施,对所要建立的设施指定其生产的产品,并为每一个客户提供一组指派确保每一客户都有$k$个设施来为其提供$k$种不同的产品,使得设施建设费用与运输费用之和最小。对于$k$-种产品设施选址问题,我们通常简写为$k$-PUFLP,其中,当所有设施建设费用为0时,记为$k$-PUFLPN。本文对$k$-PUFLPN进行线性舍入,通过分析最优分数解特殊结构,当$k\geq 3$时分析算法将$k$-PUFLPN的近似比从$\frac{3k}{2}-1$提升到了$\frac{3k}{2}-\frac{3}{2}$。鲁棒$k$-种产品设施选址问题是指在该问题中,最多有$q$个客户可以不被服务。我们首次对无容量限制下建设费用为0时的鲁棒$k$-种产品选址问题建立模型,当$k\geq 3$,得到了$\frac{3k}{2}-\frac{3}{2}$近似算法。对顾客伴有线性惩罚的鲁棒$k$-种产品设施选址问题,本文同时考虑异常值与惩罚性,利用$k$-PUFLPN中最优整数解与最优分数解的关系,得到了$\frac{3k}{2}-\frac{3}{2}$近似算法。     

改进的量子遗传算法在冷连轧机负荷分配中的应用研究

量子遗传算法可以克服常规遗传算法迭代次数多、易陷入局部极值的缺点,本文研究并改进了量子遗传算法的量子门旋转角度更新策略,提高了量子遗传算法的性能.应用标准函数测试表明,改进后的量子遗传算法收敛速度快,全局寻优能力更强.将改进的量子遗传算法应用于冷连轧机的负荷分配优化过程,根据Bland-Ford轧制理论以功率和轧制力均衡分配为目标建立综合目标函数,试验数据对比证明,量子遗传算法优化所得的轧制参数比经验分配和常规遗传算法优化所得结果更为合理,符合轧制工艺要求.因此,利用量子遗传算法对冷连轧机进行负荷分配优化是一种有效可行的新方法.     

基于用户购买意愿力的协同过滤推荐算法

针对网购行为中商品浏览量排名靠前而销量滞后的问题, 在用户购买意愿力的基础上, 提出一种增强评分矩阵协同过滤推荐算法. 首先, 利用惩罚因子作为增强型矩阵的评价权重, 加权表征用户购物意愿力的商品画像, 取得增强型矩阵的预测评分; 其次, 融合以基于项目的协同过滤推荐, 建立由潜在兴趣商品间的项目相似度矩阵得到的基础型评分矩阵; 最后, 以TOP-N结果向购买意愿较强的目标用户推荐排名靠前的商品. 实验结果表明: 与传统基于项目的协同过滤推荐算法相比, 增强评分矩阵协同过滤推荐算法的推荐准确率提升2.48%, 召回率提升4.31%, 综合值F₁提升3.19%, 从而有效解决了用户感兴趣商品排名靠后, 且不被购买或购买次数较少的问题, 以达到购买意愿力较强、 目标用户更准的推荐宗旨, 进而提高推荐精度.     

多利率下的寿险费率测算模型

为了能够在多利率条件下测算人寿保险的费率,本文建立了一个线性规划模型.根据该模型,能够合理安排保费资金的投资期限以达到最大的保险利益,从而为费率和红利的测算提供了依据.列出了两个典型寿险产品的计算数据,结果表明,寿险费率的测算主要取决于长期利率.对于储蓄型寿险,资金的运用应该以长期投资为主,分红水平可以由长期利率与预定利率之差来确定.