纵向数据下半参数EV模型的强相合性

为研究纵向数据下半参数EV函数关系模型中参数的估计问题,通过利用一般非参数权函数方法和全最小二乘法给出未知参数和未知函数的估计,在一般的条件下,证明了估计的强相合性,并对所得结果进行了模拟研究.模拟结果显示估计效果较好,所得结果可以应用于生物工程、金融分析、网络工程等领域的数据处理中.     

纵向数据混合效应模型的一类新估计

提出一个核线性混合效应模型（KLME）估计量,该方法是结合核方法与线性混合效应模型方法得到的,此估计量能够达到很好的渐进有效性。     

截断情形下污染数据半参数回归模型估计方法

对半参数回归模型yj=xjβ g(tj) εj,j=1,2,…,n进行分析.其中,(xj,tj)为取值于R×[0,1]上的固定设计,β为未知参数,g是定义在[0,1]上的未知函数,εj为随机误差,Eεj=0,Eε2j=σ21.但yj,…,yn受到另一独立同分布的随机变量序列u1,…,un两种不同方式的污染,uj与yj独立,同时,它们被另一独立同分布的随机变量序列截断.最后,利用最小二乘法及矩估计方法给出随机截断情形下两种污染方式的α,β和污染参数的估计.     

半参数回归模型在测量数据处理中的应用

考虑半参数测量模型，利用核函数并综合最小二乘法建立了参数β和s的估计量β^^，s^^其次，用一个模拟的平差算例从估值的稳定性、均方差等方面与最小二乘法进行了比较，最后，将所得结果应用到自由网平差和GPS测量中。结果说明，半参数测量模型比参数模型更能反应真实情况。     

纵向数据下部分线性模型的二次光滑估计

利用二次光滑估计方法研究纵向数据下部分线性模型的估计问题,给出了二次光滑估计的渐近性质.进一步计算表明,在渐近方差不变的前提下,二次光滑估计的渐近偏差的阶o_p(h⁴)低于局部线性估计的渐近偏差的阶o_p(h²),即二次光滑估计的效果优于局部线性估计的效果.利用CD4细胞数数据对二次光滑估计方法进行验证表明,本文所得结果正确.     

变系数模型在医学纵向数据研究中的应用

为了对医学纵向数据进行建模研究,利用变系数模型探索时变的检测指标与时变的肿瘤大小之间的映射关系,提出基于B样条估计与adaptive LASSO惩罚最小二乘结合的两步迭代法进行系数估计与变量选择,该方法在系数估计的同时分离变系数、常系数和零系数。将变量选择方法应用于医学肿瘤数据中,对各个变量进行系数估计,研究不同时刻的症状对肿瘤大小进展的影响,并最终对肿瘤大小进行预测。平均相对误差的计算结果表明该模型模拟效果较好。     

纵向数据单指标模型的广义经验似然统计推断

基于广义估计方程和二次推断函数方法,提出了纠偏的广义经验似然方法对纵向数据单指标模型进行统计推断,获得了模型中指标参数分量的极大经验似然估计和纠偏的广义经验对数似然比统计量.证明了相关估计量在一定条件下具有渐近正态性,且纠偏的广义经验对数似然比统计量依分布收敛于χ₂分布,利用所得结果,可以构造未知参数的置信域及相关的假设检验.     

半参数回归模型在随机删失下的估计

综合最近邻法和最小二乘法，定义了β，g和σ^2的估计量，分别就删失分布G已知和未知的情形，在适当的条件下证明了β的估计量的渐近正态性。     

基于Eros距离的纵向数据模糊聚类方法

针对纵向数据集的数据特征,如多维、含缺失值、序列不等间隔和不全等长等特点,研究一种基于Eros距离的纵向数据的相似性度量方法,并对模糊C均值聚类算法进行改进,提出一种基于Eros距离度量的模糊聚类数据处理方法.对于纵向数据集,首先进行缺失值填充、变量标准化等预处理,使用粗糙集理论对冗余属性进行约简,然后基于FErosCM聚类方法进行数据自动分类.对比实验证实此方法可用于纵向数据集的自动聚类处理,并使用信息熵作为聚类效果的评价手段。实验结果表明:无论在聚类效率还是准确度上,FErosCM方法对于纵向数据的分类处理均是有效可行的.     

纵向非单调缺失数据下部分线性模型的广义经验似然推断

为了研究纵向非单调缺失数据下部分线性模型的估计问题,基于二次推断函数提出了回归系数和基准函数的广义经验似然比函数,得到了相应的极大经验似然估计。证明了所提出的经验对数似然比渐近于卡方分布,由此构造了相应的置信域和逐点置信区间,模拟研究比较了广义经验似然与正态逼近方法的有限样本性质。     

Spark集群中还贷问题的逻辑回归模型研究

在Spark集群环境下,通过Sparklyr调用MLib中的并行逻辑回归算法对大规模抵押贷款数据的训练集进行监督学习,使用R语言建立一个预测客户是否会如期归还贷款的逻辑回归分类模型。为了研究该模型的可信性以及获取效率,本文补充了伪判定系数、分类评价指标、测试集性能几个指标对模型可信性进行评价,并判定了模型的可信性。在获得了可信模型的基础上,实验结果表明:当数据量增加到一定阈值后,在集群环境下使用并行的算法获得逻辑回归分类模型的速度要优于对应的串行算法。     

孤立内波反射率影响:二元罗吉斯与顺序罗吉斯回归模型比较

旨在运用二元罗吉斯回归模型(binary logistic regression model)及顺序罗吉斯回归模型(cumulative logistic regression model)分析孤立内波(internal solitary wave)于海脊地形的振幅反射率,并且藉由精确的回归模式,进而预测影响孤立内波传递的物理因子。根据顺序罗吉斯回归模型,以强、中、弱3种振幅反射率的分类形式,检验障碍物高度对振幅反射率的显著特性,具显著解释能力(P值皆小于0.001)。研究成果显示多元顺序罗吉斯回归模型较二元罗吉斯回归模型适合分析该实验数据之回归关系。     

基于混合梯度提升决策树和逻辑回归模型的分组密码算法识别方案

针对密码算法识别工作中因密码算法数量增多、密文数据复杂化以及数据间干扰增加,导致单层识别方案的识别准确率和稳定性变差等问题,提出一种基于混合梯度提升决策树和逻辑回归模型,并基于该模型构造分组密码算法识别方案。在该方案中,首先用原始十组特征训练梯度提升决策树模型,然后利用其学习而生成的树来构造新特征,再将新特征做one-hot编码,最后把这些新特征加入到原有特征中,训练逻辑回归模型进行预测。在唯密文情况下,针对AES、3DES、Blowfish、CAST和RC2五种典型的分组密码开展密码算法识别研究。当密文大小及其它实验条件都相同时,其二分类的识别准确率最高可达70%,五分类准确率最高达32%;高于基于单一梯度提升决策树分类方案的52.5%和27.2%分类准确率,以及单一逻辑回归模型分类方案的45%和25.6%分类准确率;显著优于二分类50%以及五分类20%的随机猜测正确率。实验结果表明,在分组密码算法上开展二分类和五分类识别,相较于其它识别方案,当密文长度相同时,该方案具有更高的分类准确率。同时随着密文长度的变化,识别准确率呈波动性变化,该方案波动幅度最小,受影响程度最小,稳定性最高。     

经验logistic回归方法与最大似然估计方法的对比分析

针对logistic回归中最大似然估计法的迭代算法求解困难的问题,从理论和实例运用的两个角度寻找到一种简便估计法,即经验logistic回归。分析结果表明,在样本容量很大的情况下经验logistic回归方法比最大似然估计方法更具备良好的科学性和实用性,并且两种方法对同一组资料的分析结果一致,而经验logistic回归更简单,此结果对于实际工作者来说非常重要。     

基于Logistic回归模型的房地产上市公司财务危机预警研究

近年来房价不断上涨,我国政府采取了一系列紧缩政策来控制房价,对房地产上市公司产生了巨大影响,有部分公司因为资金链断裂而陷入困境。因此,对房地产上市公司的财务预警十分重要。文章采用非参数检验的方法,从反映企业各方面能力的20个财务指标中筛选出能显著区别ST和非ST上市公司的指标,建立Logistic回归模型,利用SPSS软件,对房地产上市公司的财务危机预警进行了研究。研究结果表明,基于Logistic回归模型的财务危机预警模型效果较好,具有良好的预测准确度。     

一种基于Logistic回归的银行保险消费行为影响因素分析与预测

运用Logistic回归方法分析了银行保险消费行为的影响因素,并构建了预测模型,然后利用保留样本进行了实证检验.通过对样本数据过离散、空单元、多元共线性、特异值、特殊影响案例的诊断,以及对模型的拟合程度和预测效果的检验,验证了所构建的模型具有较好的拟合程度和预测效果.     

Logistic回归模型及其应用

为了利用Logistic模型提高多分类定性因变量的预测准确率,在二分类Logistic回归模型的基础上,对实际统计数据建立三类别的Logistic模型.采用似然比检验法对自变量的显著性进行检验,剔除了不显著的变量;对每个类别的因变量都确定了1个线性回归函数,并进行了模型检验.分析结果表明,在处理因变量为定性变量的回归分析中,Logistic模型具有很好的预测准确度和实用推广性.     

物流网络规划的Fuzzy集成优化模型与算法

从整合的物流网络系统出发,根据各节点固定运营成本、运输成本、库存持有成本、分拣成本4方面综合决策,使用LR型模糊数建立了物流分销系统的Fuzzy集成优化模型.为求解该模型,进行了确定化处理,使之转化为一个确定型多目标线性规划模型,并设计了一个求解该模型的遗传算法,以此解决系统中给定潜在设施的位置选择、运输路线选择、配送中心最优订货量,实现了网络全局最优.最后通过算例进行了测算,结果证明了该模型、算法的有效性.