版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著大數(shù)據(jù)時(shí)代的到來(lái),在氣象預(yù)測(cè)、模式識(shí)別、基因研究等一些領(lǐng)域中,常面臨超高維數(shù)據(jù)。對(duì)于超高維數(shù)據(jù),只有少量的協(xié)變量同響應(yīng)變量之間是相互關(guān)聯(lián)的,模型呈現(xiàn)稀疏性特征,由于維數(shù)過(guò)高,傳統(tǒng)的穩(wěn)健的統(tǒng)計(jì)分析方法和高維數(shù)據(jù)變量選擇方法會(huì)變得不再適用。為了更好的對(duì)超高維數(shù)據(jù)進(jìn)行分析,需要對(duì)它進(jìn)行降維處理。近年來(lái)很多學(xué)者提出多種便捷的超高維變量篩選方法,一種有效合理的方法是將其分為兩步,首先使用一種快捷高效的變量篩選過(guò)程將超高維數(shù)據(jù)降低到樣本大小之下
2、的合適規(guī)模,并能夠保留所有重要變量,在此基礎(chǔ)上再使用一些成熟的方法對(duì)降維后的高維數(shù)據(jù)進(jìn)行變量選擇。本文創(chuàng)新性的提出兩種超高維特征篩選法,在出現(xiàn)異方差、重尾等復(fù)雜超高維數(shù)據(jù)時(shí)基于區(qū)間條件分位數(shù)提出了一種穩(wěn)健的超高維特征篩選方法;當(dāng)面臨響應(yīng)變量隨機(jī)缺失的不完全超高維數(shù)據(jù)問(wèn)題中,提出一種基于逆概率加權(quán)的邊際相關(guān)度量特征篩選方法。
本碩士論文的主體工作如下:
第一章概述了超高維數(shù)據(jù)下變量篩選的研究歷史與現(xiàn)狀,以及對(duì)分位數(shù)和缺
3、失數(shù)據(jù)進(jìn)行了系統(tǒng)的回顧與學(xué)習(xí)。
第二章提出一種穩(wěn)健的區(qū)間條件分位數(shù)超高維特征篩選法,處理重尾、異常點(diǎn)這些復(fù)雜的超高維數(shù)據(jù)。目前大部分的條件分位數(shù)的研究都是基于一個(gè)單一的分位數(shù)水平下進(jìn)行的,變量的篩選依賴(lài)于所提前設(shè)置的分位數(shù),這使得分位數(shù)點(diǎn)的擾動(dòng)可能導(dǎo)致變量篩選的不穩(wěn)定性,本文引入全局分位數(shù)回歸思想,讓分位點(diǎn)取一個(gè)區(qū)間,提出一種基于區(qū)間的條件分位數(shù)篩選方法,使其篩選標(biāo)準(zhǔn)更加準(zhǔn)確,并通過(guò)理論證明、模擬研究和實(shí)例說(shuō)明改進(jìn)后的方法更加
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于條件信息熵的超高維分類(lèi)數(shù)據(jù)特征篩選.pdf
- 高維數(shù)據(jù)下的特征選擇與聚類(lèi)方法研究.pdf
- 數(shù)據(jù)降維技術(shù)的建模研究與應(yīng)用——特征降維及其應(yīng)用.pdf
- 高維數(shù)據(jù)特征提取方法研究與實(shí)現(xiàn).pdf
- 高維稀疏數(shù)據(jù)的降維方法與應(yīng)用研究.pdf
- 基于特征矩陣的數(shù)據(jù)挖掘方法的研究與應(yīng)用.pdf
- 面向高維數(shù)據(jù)挖掘的特征選擇方法研究.pdf
- 高維數(shù)據(jù)的聚類(lèi)方法研究與應(yīng)用.pdf
- 海量光譜數(shù)據(jù)降維方法的研究與應(yīng)用.pdf
- 面向高維異構(gòu)數(shù)據(jù)的特征選擇方法.pdf
- 文本特征降維與分類(lèi)規(guī)則抽取方法研究與應(yīng)用.pdf
- 云環(huán)境下數(shù)據(jù)存儲(chǔ)方法研究與應(yīng)用.pdf
- 基于特征分析和數(shù)據(jù)降維的復(fù)雜數(shù)據(jù)預(yù)測(cè)與分類(lèi)方法研究.pdf
- 高維數(shù)據(jù)的特征選擇與特征提取研究.pdf
- 面向高維數(shù)據(jù)的特征學(xué)習(xí)理論與應(yīng)用研究.pdf
- 余弦度量下的高維數(shù)據(jù)降維及分類(lèi)方法研究.pdf
- 高維數(shù)據(jù)的聚類(lèi)分析方法研究及其應(yīng)用.pdf
- 基于LLTSA算法的轉(zhuǎn)子故障特征數(shù)據(jù)集降維方法研究.pdf
- 數(shù)據(jù)級(jí)與特征級(jí)上的數(shù)據(jù)融合方法研究
- 數(shù)據(jù)級(jí)與特征級(jí)上的數(shù)據(jù)融合方法研究.pdf
評(píng)論
0/150
提交評(píng)論