傳統(tǒng)的懲罰樣條回歸模型以B樣條為基函數(shù)來(lái)擬合回歸函數(shù),以樣條系數(shù)的二階差分作為懲罰來(lái)保持估計(jì)的擬合優(yōu)度和粗糙度之間的平衡.支持向量分位數(shù)回歸模型以核函數(shù)為工具,將輸入空間映射到更高維度的特征空間,并以檢測(cè)函數(shù)為損失函數(shù),以估計(jì)量的范數(shù)為懲罰項(xiàng)來(lái)得到模型最優(yōu)解.但是,在這兩種模型的懲罰項(xiàng)構(gòu)造中,懲罰權(quán)重在解釋變量的各個(gè)位置往往是相等的,因此這樣的模型在數(shù)據(jù)具有異質(zhì)性變化特征時(shí)效果欠佳.本文分別構(gòu)造了基于局部權(quán)重調(diào)節(jié)的懲罰項(xiàng),并將其應(yīng)用于這兩種模型,從而提升模型的自適應(yīng)性.首先根據(jù)懲罰樣條回歸模型懲罰項(xiàng)的設(shè)置特點(diǎn),借助adaptive lasso思想,構(gòu)造了基于樣條系數(shù)預(yù)估計(jì)值的單調(diào)減函數(shù)權(quán)重.其次在支持向量分位數(shù)回歸模型中,我們使用響應(yīng)變量觀測(cè)值局部方差的單減函數(shù)來(lái)調(diào)節(jié)局部權(quán)重,從而使擬合曲線能自適應(yīng)的匹配數(shù)據(jù)的局部變化特征.模擬和實(shí)際應(yīng)用的結(jié)果顯示新模型有更低的均方誤差和平均絕對(duì)誤差.
【學(xué)位單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：C815
【部分圖文】：

（ａ）邐（ｂ）逡逑圖２．３：邋ＧＣＶ邋（縱軸）和參數(shù)Ｍ橫軸）的函數(shù)關(guān)系圖．（ａ）傳統(tǒng)懲罰樣條回歸模型，（ｂ）局部逡逑權(quán)？懲罰樣條Q嫞。韶＜儒義賢跡玻并缺硎競(jìng)⒌閫加胝媸登叩墓叵蹈�，哇E玻玻ǎ猓┍硎敬吵頭ｅ義涎躉毓檳Ｐ偷哪夂锨哂胝媸登叩墓叵低跡跡玻玻

本文編號(hào)：2810420