导读:本文包含了近似选择论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:近似,特征,因子,模型,马尔,科夫,模糊。
近似选择论文文献综述
张泓[1]（2019）在《近似因子模型因子个数选择方法的比较研究》一文中研究指出在经济、金融、生物、医药和其他科学领域中,研究者经常要面临大数据集,因子模型由于能够有效地从大数据集中提炼信息,因此被理论研究者和实证研究者所青睐。近些年来,大量大规模高维度数据下的因子个数选择问题是统计与计量领域研究的热点与难点,基本上每年都有发表在顶级杂志的相关文献对因子个数的选择方法进行介绍、优化或创新。本文通过Monte Carlo模拟实验,比较研究了七种较为新颖和主流的近似因子模型因子个数选择方法,并且基于之前的方法,本文提出了两种新的近似因子模型因子个数的选择方法。一种是通过修正GR和TCR方法以综合两种估计方法的优点来确定近似因子模型中公共因子个数的方法,将其命名为混合比率,简称MR。另一种是通过改进Wu(2018)提出的ED方法中的压缩函数而提出一种扩展的特征值差分检验方法以确定近似因子模型中公共因子的个数,简称EED。通过对以上方法的模拟比较,结果表明,新的方法在真实地选择潜在公共因子个数上具有理想的性能,尤其是方法MR在弱因子存在时具有较好的估计效果,方法EED在主导因子存在时比其他方法有更好的估计性能。最后,以标普500的341支股票1916个连续交易日的对数收益率数据序列构建平衡面板数据集,使用不同因子个数选择方法对其进行因子个数的提取,最终确定基于实证数据的近似因子模型的公共因子个数为2。(本文来源于《上海师范大学》期刊2019-05-01）
张晨[2]（2019）在《基于近似贝叶斯计算的参数估计和模型选择的研究》一文中研究指出贝叶斯统计推断方法作为统计学研究中的重要分支之一,它在各个研究领域有着广泛的应用。在贝叶斯统计推断过程中,如何选择并计算似然函数是最核心问题。特别地,在生物数学领域中,随着统计模型的不断发展,模型的似然函数越来越复杂,往往不具有解析表达式或者过于复杂导致无法计算,基于复杂似然函数的贝叶斯推断很困难。此时,近似贝叶斯计算(Approximate Bayesian Computation,ABC)方法可以很好地解决这一问题。本文将从理论分析,算法设计以及实际应用这叁个方面对目前常见的近似贝叶斯计算方法进行了深入的探讨。本文针对各个算法进行了详实的比较,提出了一种基于粒子滤波器和蒙特卡洛方法的模型选择算法,并应用于系列SIR模型选择问题。本文涵盖的具体研究内容如下:1.近似贝叶斯计算的基本原理的描述以及讨论实现过程中汇总统计量的选取和容差阈值的界定;2.传统的ABC拒绝算法、ABC回归算法,以及基于马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)方法的ABC-MCMC算法和基于粒子滤波器的ABC部分拒绝控制(partial rejection control,PRC)算法、ABC种群蒙特卡洛(population Monte Carlo,PMC)算法、ABC序贯蒙特卡洛(sequential Monte Carlo,SMC)算法的介绍和比较;3.基于粒子滤波器和蒙特卡洛方法,提出了一种ABC-PMC模型选择算法;4.参数估计和模型选择的应用实例:二项分布模型,泊松分布模型,流感病毒传染模型以及经典传染病模型选择问题。(本文来源于《合肥工业大学》期刊2019-04-01）
张俐,王枞,郭文明[3]（2018）在《利用近似马尔科夫毯的最大相关最小冗余特征选择算法》一文中研究指出针对高维数据集中冗余特征或无关特征降低机器学习模型分类准确率的问题,提出了一种基于近似马尔科夫毯的特征选择(nmRMR)算法。该算法首先利用最大相关最小冗余的准则进行特征相关性排序;采用近似马尔科夫毯算法对冗余特征或者无关特征进行删除,并最大程度地提高特征之间的相关性从而获得最优特征子集。在UCI的8个公开数据集上对比的实验结果表明:与mRMR算法相比,本文算法所选择出的特征子集数平均减少了6.875个,平均分类准确率提高了0.78%;与FullSet算法相比,本文算法所选择出的特征子集数平均减少了20.56个,平均分类准确率提高了1.88%;与FCBF算法相比,本文算法所选择出的特征子集数平均减少了3.187 5个,平均分类准确率提高了0.825%;本文算法总体优于其他算法。(本文来源于《西安交通大学学报》期刊2018年10期）
费贤举,刘金硕,田国忠[4]（2018）在《基于模糊近似空间组合度量的特征选择算法》一文中研究指出通过对信息系统中属性进行多视角的重要度度量,构造一种更为优越的特征选择算法。以粒计算理论为基础,在模糊近似空间中引入模糊粒度,在此基础上提出模糊条件熵的概念,将模糊粒度与模糊条件熵组合作为属性重要度的度量,给出一种基于模糊近似空间组合度量的特征选择算法。实验结果表明,该算法在特征子集和算法效率方面具有较好的优越性。(本文来源于《计算机工程与设计》期刊2018年07期）
陈福建[5]（2018）在《近似因子模型因子个数选择方法比较及其模拟》一文中研究指出大数据时代背景下,数据维数呈几何级增长,因子模型是处理高维数据一个很好的选择。其中因子个数选择始终是一个热点问题。近年来,大量因子个数选择的方法频繁被统计学者提出。本文通过Monte Carlo模拟试验,比较了四种静态近似因子模型因子个数选择方法。基于其中两种临近特征值比的方法,提出了叁种新的因子个数选择的方法,分别命名为WR,IER1和IER2。其中WR综合了信息准则ER和GR的优点,把它们加权平均。后两种方法是考虑到公共因子中可能存在主导性因子,相邻特征值相比可能会导致低估因子个数,因此采用了一种函数将特征值向0的方向压缩,以减少不同特征值之间的巨大差距来避免低估的情况。Monte Carlo模拟表明,新的准则尤其是后两者在具有主导性因子的时候,具有比其它准则更好的稳健性和适应性。最后以上证A股正常上市的367家公司,328个连续交易日的日收益率序列构建平衡面板数据集,通过比较不同因子个数选择方法,得出了存在两个公共因子的结论。(本文来源于《上海师范大学》期刊2018-03-01）
陈红[6]（2017）在《申请植物新品种权时如何选择近似品种和陈述理由》一文中研究指出选择近似品种及其理由陈述是植物新品种权申请人在填报申请文件和审批机关开展审查时的重点内容,也是影响植物新品种权审批进程的关键环节。申请人难以选择合适的近似品种以及恰当地陈述理由是当前植物新品种权申请过程中普遍存在的问题。为避免近似品种选择不合适影响到品种权申请审批进程,本文从植物新品种和近似品种的定义和理解出发,对如何选择近似品种和恰当地进行理由陈述进行了阐述。(本文来源于《中国种业》期刊2017年12期）
张闯[7]（2017）在《大规模分布式近似SVM数据分块数选择》一文中研究指出分布式计算是大规模机器学习的重要途径,数据分块数选择是分布式机器学习研究的重要问题之一,直接影响着机器学习算法的泛化性和运行效率。如何选择合适的数据分块数成为分布式机器学习模型选择的重要研究课题。现有分布式机器学习方法往往根据经验或处理器个数来选择数据分块数,数据分块数选择缺乏可解释性和合理性,缺少明确的数据分块数选择准则。针对这一问题,提出一个并行效率敏感的分布式机器学习数据分块数选择准则,该准则可在保证分布式机器学习模型测试精度的情况下,提高计算效率。首先,推导分布式机器学习模型的泛化误差与数据分块数目的关系。然后以此为基础,依照经验风险最小化理论,定义最小化分块经验风险,提出折衷模型泛化性与并行效率的数据分块数选择准则。最后,在分布式ADMM框架下随机傅里叶特征空间中,采用提出的数据分块数选择准则,实现了大规模分布式近似支持向量机问题的数据分块数选择,同时给出了分布式模型实现方案。在高性能计算集群和大规模标准数据集上,实验验证所提出的数据分块数选择准则是有效且可靠的。本文所提准则具有一定通用性,并不局限于分布式ADMM算法框架和支持向量机问题。(本文来源于《天津大学》期刊2017-12-01）
孙广路,宋智超,刘金来,朱素霞,何勇军[8]（2017）在《基于最大信息系数和近似马尔科夫毯的特征选择方法》一文中研究指出最大信息系数(Maximum information coefficient,MIC)可以对变量间的线性和非线性关系,以及非函数依赖关系进行有效度量.本文首先根据最大信息系数理论,提出了一种评价各维特征间以及每维特征与类别间相关性的度量标准,然后提出了基于新度量标准的近似马尔科夫毯特征选择方法,删除冗余特征.在此基础上提出了基于特征排序和近似马尔科夫毯的两阶段特征选择方法,分别对特征的相关性和冗余性进行分析,选择有效的特征子集.在UCI和ASU上的多个公开数据集上的对比实验表明,本文提出的方法总体优于快速相关滤波(Fast correlation-based filter,FCBF)方法,与Relief F,FAST,Lasso和RFS方法相比也具有优势.(本文来源于《自动化学报》期刊2017年05期）
王娟[9]（2017）在《近似商标转让制度模式的选择与重构》一文中研究指出近似商标转让存在着自由转让与一并转让两种模式。我国采用了近似商标一并转让模式,但又独具特色。从该制度的实践效果来看,其虽然在一定程度上防止了市场混淆,但在法律适用上也引起了很大争议,而且违反了当事人意思自治原则。分析相关的法理和经济学理论,借鉴域外两种近似商标转让模式,我国应当选择近似商标自由转让模式,并通过近似商标共存协议、加注标记、近似商标的撤销等配套制度,实现保护私权与维护公共利益的平衡。(本文来源于《知识产权》期刊2017年02期）
丁立中[10]（2015）在《基于矩阵分析的核方法近似模型选择》一文中研究指出核方法模型选择是核方法理论研究和实际应用的重要问题。已有模型选择准则通常难以计算或计算复杂度高。核矩阵包含核函数在所有样本点上的全部信息。因此,本文基于矩阵分析研究核方法近似模型选择的有效途径。具体内容如下:1.发展近似模型选择理论,提出近似一致性的概念,研究近似模型选择准则向精确准则的收敛条件和收敛速度。以Nystr(?)m方法和多层循环矩阵近似为例,分析其在误差最小化准则下的近似一致性。2.提出基于多层循环矩阵的近似模型选择准则。首先,基于RKHS球覆盖数泛化界定义模型选择准则,利用多层循环矩阵近似核矩阵提出具有对数线性复杂度的近似准则并证明近似一致性。然后,利用核函数和样本构造一类新的多层循环矩阵,基于新多层循环矩阵的特征系统提出近似模型选择准则,理论证明近似准则与特征空间正负类平均差异准则的近似一致性。3.提出近似的自动核选择方法,分别针对组合系数L_1正则化和L_2正则化,利用多层循环矩阵组合高效优化组合系数,理论证明基于多层循环矩阵组合的近似假设与假设空间中最优假设的一致性。整体而言,本文基于矩阵分析,发展了近似模型选择理论,提出了高效且理论坚实的近似模型选择准则和方法。(本文来源于《天津大学》期刊2015-12-01）
近似选择论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
贝叶斯统计推断方法作为统计学研究中的重要分支之一,它在各个研究领域有着广泛的应用。在贝叶斯统计推断过程中,如何选择并计算似然函数是最核心问题。特别地,在生物数学领域中,随着统计模型的不断发展,模型的似然函数越来越复杂,往往不具有解析表达式或者过于复杂导致无法计算,基于复杂似然函数的贝叶斯推断很困难。此时,近似贝叶斯计算(Approximate Bayesian Computation,ABC)方法可以很好地解决这一问题。本文将从理论分析,算法设计以及实际应用这叁个方面对目前常见的近似贝叶斯计算方法进行了深入的探讨。本文针对各个算法进行了详实的比较,提出了一种基于粒子滤波器和蒙特卡洛方法的模型选择算法,并应用于系列SIR模型选择问题。本文涵盖的具体研究内容如下:1.近似贝叶斯计算的基本原理的描述以及讨论实现过程中汇总统计量的选取和容差阈值的界定;2.传统的ABC拒绝算法、ABC回归算法,以及基于马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)方法的ABC-MCMC算法和基于粒子滤波器的ABC部分拒绝控制(partial rejection control,PRC)算法、ABC种群蒙特卡洛(population Monte Carlo,PMC)算法、ABC序贯蒙特卡洛(sequential Monte Carlo,SMC)算法的介绍和比较;3.基于粒子滤波器和蒙特卡洛方法,提出了一种ABC-PMC模型选择算法;4.参数估计和模型选择的应用实例:二项分布模型,泊松分布模型,流感病毒传染模型以及经典传染病模型选择问题。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
近似选择论文参考文献
[1].张泓.近似因子模型因子个数选择方法的比较研究[D].上海师范大学.2019
[2].张晨.基于近似贝叶斯计算的参数估计和模型选择的研究[D].合肥工业大学.2019
[3].张俐,王枞,郭文明.利用近似马尔科夫毯的最大相关最小冗余特征选择算法[J].西安交通大学学报.2018
[4].费贤举,刘金硕,田国忠.基于模糊近似空间组合度量的特征选择算法[J].计算机工程与设计.2018
[5].陈福建.近似因子模型因子个数选择方法比较及其模拟[D].上海师范大学.2018
[6].陈红.申请植物新品种权时如何选择近似品种和陈述理由[J].中国种业.2017
[7].张闯.大规模分布式近似SVM数据分块数选择[D].天津大学.2017
[8].孙广路,宋智超,刘金来,朱素霞,何勇军.基于最大信息系数和近似马尔科夫毯的特征选择方法[J].自动化学报.2017
[9].王娟.近似商标转让制度模式的选择与重构[J].知识产权.2017
[10].丁立中.基于矩阵分析的核方法近似模型选择[D].天津大学.2015
论文知识图
