【摘要】：大數(shù)據(jù)量、復(fù)雜數(shù)據(jù)結(jié)構(gòu)、高維數(shù)據(jù)屬性及復(fù)雜時(shí)變特征是大數(shù)據(jù)時(shí)代數(shù)據(jù)集的主要特點(diǎn),面對(duì)這些復(fù)雜數(shù)據(jù)集,如何有效地選擇信息變量、從中挖掘出關(guān)鍵的數(shù)據(jù),并用其推斷事物的未來(lái)發(fā)展,成為了一個(gè)至關(guān)重要的研究課題.本文圍繞復(fù)雜數(shù)據(jù)的變量選擇和預(yù)測(cè)等問(wèn)題,從模型建立、算法設(shè)計(jì)和理論分析等方面進(jìn)行了系統(tǒng)性的研究,并將相關(guān)算法應(yīng)用到模擬數(shù)據(jù)集和工程領(lǐng)域的一些真實(shí)公開數(shù)據(jù)集中.本文的具體研究成果和創(chuàng)新點(diǎn)如下:1、針對(duì)高度相關(guān)性等復(fù)雜數(shù)據(jù)特征,本文首先研究了在該復(fù)雜數(shù)據(jù)特征下線性回歸模型的變量選擇問(wèn)題,利用集成學(xué)習(xí)和信息理論,提出了一種有效的隨機(jī)相關(guān)系數(shù)算法.其次,構(gòu)建了一種變量選擇集成方法,并給出了相關(guān)性度量分析、收斂性分析和三類變量選擇的性能分析定理.最后,數(shù)值模擬實(shí)驗(yàn)表明提出的算法可以更有效地選擇相關(guān)變量、排除無(wú)關(guān)變量、控制冗余變量,并進(jìn)行了樣本量影響分析和實(shí)際案例實(shí)驗(yàn).2、針對(duì)高度相關(guān)、非線性等復(fù)雜數(shù)據(jù)特征,本文研究了在該復(fù)雜數(shù)據(jù)特征下非線性回歸模型的變量選擇問(wèn)題.因?yàn)榉蔷�性回歸模型的函數(shù)形式不易獲取,本文著重討論不依賴回歸方程的變量選擇準(zhǔn)則,利用熵、互信息理論,提出了一種新穎的最大相關(guān)-最小共同冗余準(zhǔn)則.基于該準(zhǔn)則,本文進(jìn)一步提出了一種有效的變量選擇算法.該算法能有效地處理無(wú)模型假設(shè)的變量選擇問(wèn)題,同時(shí)也給出了相關(guān)性度量分析、算法性能分析定理.數(shù)值模擬實(shí)驗(yàn)中,這一算法被應(yīng)用到含冗余特征的非線性問(wèn)題、含高相關(guān)特征的非線性問(wèn)題中,均可有效識(shí)別三類變量;另外,這一算法也被應(yīng)用到Boston Housing等實(shí)際案例.通過(guò)模型對(duì)比實(shí)驗(yàn),驗(yàn)證了該模型的優(yōu)越性和有效性.3、針對(duì)非線性、大樣本、不平衡等復(fù)雜數(shù)據(jù)特征,本文研究了在該復(fù)雜數(shù)據(jù)特征下支持向量回歸預(yù)測(cè)方法的問(wèn)題.在支持向量回歸(SVR)的建模過(guò)程中,“支持向量”候選數(shù)據(jù)選擇和模型參數(shù)選擇是緊密關(guān)聯(lián)的,兩者會(huì)直接決定SVR模型的運(yùn)行效率.本文在SVR理論的基礎(chǔ)上,對(duì)大樣本下的SVR學(xué)習(xí)問(wèn)題進(jìn)行建模,并利用統(tǒng)計(jì)學(xué)習(xí)理論、信息理論和啟發(fā)式優(yōu)化算法,提出了一種改進(jìn)的支持向量回歸預(yù)測(cè)模型.該算法能有效地結(jié)合訓(xùn)練數(shù)據(jù)選擇和模型選擇,并給出了收斂性分析定理.在此基礎(chǔ)上,針對(duì)SVR的模型選擇問(wèn)題,利用序貫分析方法,提出了一種基于序貫網(wǎng)格方法的SVR模型.本算法在數(shù)值模擬實(shí)驗(yàn)中取得了很好的效果,在實(shí)際電網(wǎng)案例應(yīng)用中也取得了良好的效果.通過(guò)模型對(duì)比實(shí)驗(yàn),驗(yàn)證了該模型能嵌套地獲取最優(yōu)訓(xùn)練數(shù)據(jù)子集和模型參數(shù).本文從復(fù)雜數(shù)據(jù)的內(nèi)在關(guān)聯(lián)結(jié)構(gòu)出發(fā),利用抽樣技術(shù)、集成學(xué)習(xí)等統(tǒng)計(jì)機(jī)器學(xué)習(xí)方法,從線性和非線性模型兩個(gè)方面分別建立基于數(shù)據(jù)驅(qū)動(dòng)的變量選擇與預(yù)測(cè)方法,并將其應(yīng)用于工業(yè)領(lǐng)域的一些公開數(shù)據(jù)集和電網(wǎng)管理等實(shí)際案例中.研究成果適用于無(wú)先驗(yàn)?zāi)Ｐ徒Y(jié)構(gòu)的學(xué)習(xí)問(wèn)題,并為復(fù)雜數(shù)據(jù)的運(yùn)營(yíng)分析提供理論基礎(chǔ).
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 牟建波;劉峧;;基于懲罰方法的貝葉斯群組變量選擇[J];綿陽(yáng)師范學(xué)院學(xué)報(bào);2017年02期

2 戴伯新;;回歸變量選擇中的數(shù)據(jù)診斷[J];應(yīng)用概率統(tǒng)計(jì);1992年04期

3 王銀輝;徐文科;;基于風(fēng)險(xiǎn)函數(shù)評(píng)價(jià)自變量選擇對(duì)預(yù)測(cè)的影響[J];哈爾濱師范大學(xué)自然科學(xué)學(xué)報(bào);2012年01期

4 張春霞;李俊麗;;變量選擇集成方法[J];工程數(shù)學(xué)學(xué)報(bào);2019年01期

5 李太福;易軍;蘇盈盈;胡文金;余春嬌;;基于特征子空間虛假鄰點(diǎn)判別的軟傳感器模型變量選擇[J];機(jī)械工程學(xué)報(bào);2011年12期

6 張慶;李云霞;;函數(shù)型變量選擇法用于空氣質(zhì)量影響因素實(shí)證分析[J];安慶師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年04期

7 李揚(yáng);許文甫;馬雙鴿;;污染數(shù)據(jù)的穩(wěn)健稀疏成組變量選擇方法研究[J];統(tǒng)計(jì)與信息論壇;2018年06期

8 徐安察;王瑋明;;應(yīng)用統(tǒng)計(jì)類專業(yè)探究性教學(xué)模式探索與實(shí)踐——以變量選擇準(zhǔn)則為例[J];赤峰學(xué)院學(xué)報(bào)(自然科學(xué)版);2014年19期

9 楊紅;陳德棉;;個(gè)人住房抵押貸款違約相關(guān)變量選擇[J];現(xiàn)代管理科學(xué);2009年04期

10 鐘先樂(lè);樊亞莉;張?zhí)教?;基于t函數(shù)的穩(wěn)健變量選擇方法[J];上海理工大學(xué)學(xué)報(bào);2017年06期

相關(guān)會(huì)議論文 前10條

1 張俊華;方偉武;;調(diào)查表分析中變量選擇的一些方法(英文)[A];中國(guó)運(yùn)籌學(xué)會(huì)第六屆學(xué)術(shù)交流會(huì)論文集（下卷）[C];2000年

2 李慷;席裕庚;;復(fù)雜過(guò)程系統(tǒng)中操作變量選擇與定位的方法研究[A];1993年控制理論及其應(yīng)用年會(huì)論文集[C];1993年

3 羅榮富;邵惠鶴;;推斷控制中二次變量選擇方法的研究[A];1992年中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1992年

4 徐登;范偉;梁逸曾;;紫外光譜結(jié)合變量選擇和偏最小二乘回歸同時(shí)測(cè)定水中重金屬鎘、鋅、鈷[A];中國(guó)化學(xué)會(huì)第29屆學(xué)術(shù)年會(huì)摘要集——第19分會(huì)：化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)[C];2014年

5 曹磊;叢培盛;;偏相關(guān)系數(shù)矩陣方法用于煙草質(zhì)量控制的變量選擇[A];第九屆全國(guó)計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

6 梁逸曾;李洪東;許青松;曹東升;張志敏;;灰色化學(xué)建模與模型集群分析——兼論過(guò)擬合、穩(wěn)健估計(jì)、變量選擇與模型評(píng)價(jià)[A];中國(guó)化學(xué)會(huì)第27屆學(xué)術(shù)年會(huì)第15分會(huì)場(chǎng)摘要集[C];2010年

7 李洪東;梁逸曾;;高維數(shù)據(jù)變量選擇新方法研究[A];中國(guó)化學(xué)會(huì)第27屆學(xué)術(shù)年會(huì)第15分會(huì)場(chǎng)摘要集[C];2010年

8 劉咸姝;潘日芳;;滿意控制結(jié)構(gòu)綜合的專家系統(tǒng)[A];1996年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];1996年

9 范偉;李洪東;梁逸曾;;近紅外光譜結(jié)合CARS變量選擇方法用于食醋中總酸的測(cè)定[A];中國(guó)化學(xué)會(huì)第28屆學(xué)術(shù)年會(huì)第9分會(huì)場(chǎng)摘要集[C];2012年

10 張俊華;;南水北調(diào)一中線調(diào)水區(qū)域內(nèi)降水的時(shí)空變化規(guī)律的分析研究[A];面向復(fù)雜系統(tǒng)的管理理論與信息系統(tǒng)技術(shù)學(xué)術(shù)會(huì)議專輯[C];2000年

相關(guān)博士學(xué)位論文 前10條

1 車金星;復(fù)雜數(shù)據(jù)的變量選擇與預(yù)測(cè)方法研究[D];西安電子科技大學(xué);2019年

2 初一;若干模型下的變量選擇和特征篩選[D];山東大學(xué);2018年

3 王延新;高維模型的變量選擇與稀疏正則化[D];武漢大學(xué);2013年

4 李子林;高維基因數(shù)據(jù)中的統(tǒng)計(jì)方法[D];清華大學(xué);2016年

5 唐凱臨;變量選擇和變換的新方法研究[D];同濟(jì)大學(xué);2008年

6 秦志敏;我國(guó)上市公司財(cái)務(wù)預(yù)警變量選擇研究[D];東北財(cái)經(jīng)大學(xué);2012年

7 袁晶;貝葉斯方法在變量選擇問(wèn)題中的應(yīng)用[D];山東大學(xué);2013年

8 姬永剛;分位數(shù)回歸中的貝葉斯變量選擇[D];東北師范大學(xué);2012年

9 趙軍;Expectile回歸和最優(yōu)資產(chǎn)組合中的變量選擇問(wèn)題[D];浙江大學(xué);2017年

10 蘇盈盈;基于核方法的非線性系統(tǒng)變量選擇及其應(yīng)用[D];重慶大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 葉忠昌;自變量向量多元混合正態(tài)分布假設(shè)下基于分布加權(quán)最小二乘的變量選擇[D];云南財(cái)經(jīng)大學(xué);2019年

2 聶明鵬;基于排序差異和算法對(duì)光譜變量選擇與定性分析的研究[D];溫州大學(xué);2019年

3 李丹丹;變量選擇方法在復(fù)雜群組數(shù)據(jù)中的研究及應(yīng)用[D];廣西大學(xué);2019年

4 賈易;加法風(fēng)險(xiǎn)模型下關(guān)于右刪失生存數(shù)據(jù)的變量選擇方法的研究[D];華中師范大學(xué);2019年

5 王蕭博;基于調(diào)整秩回歸的EXP型組變量選擇[D];曲阜師范大學(xué);2019年

6 劉超;基于Adaptive Group Bridge的穩(wěn)健變量選擇[D];曲阜師范大學(xué);2019年

7 陸琦;零過(guò)多數(shù)據(jù)基于懲罰回歸的變量選擇[D];南京師范大學(xué);2019年

8 胡婧;對(duì)數(shù)Birnbaum-Saunders回歸模型的變量選擇[D];南京師范大學(xué);2019年

9 何琪琪;帶測(cè)量誤差的可加模型的變量選擇[D];廈門大學(xué);2018年

10 胡蓉;基于隨機(jī)Lasso的Meta分析[D];北京建筑大學(xué);2019年

，

本文編號(hào)：2621830