【摘 要】
:
异常值检测是当前数据分析中的一个基本问题。文章根据局部常数拟合的相关知识,提出了基于Nadaraya-Watson估计的异常值检验,并针对回归模型和ARMA模型给出了新的异常值检验的统计量。该方法有效解决了常规异常值检测方法中出现的“遮蔽现象”,模拟实验与传统方法的比较结果表明该方法是有效的。
【机 构】
:
广东财经大学统计与数学学院,广东财经大学大数据与教育统计应用实验室
【基金项目】
:
国家自然科学基金资助项目(61876207)。
论文部分内容阅读
异常值检测是当前数据分析中的一个基本问题。文章根据局部常数拟合的相关知识,提出了基于Nadaraya-Watson估计的异常值检验,并针对回归模型和ARMA模型给出了新的异常值检验的统计量。该方法有效解决了常规异常值检测方法中出现的“遮蔽现象”,模拟实验与传统方法的比较结果表明该方法是有效的。
其他文献
在先民追溯的神农时代,耕稼是文明最先进的知识与技艺.周朝以农兴国,亦从耕稼之事中提炼无逸的精神品格.但随着文明与社会的发展衍化,耕稼逐渐由政教整体的中心、急务隐退至
表情包与作为主体的人发生着微观层面的互动。表情包起源于弥补文字语言即时交流的匮乏环节,它通过视觉刺激重建了语言无法收编的对话征兆,并以诗意的情怀包容与组织这些图像形式。然而,这种有意为之却使得表情包在使用过程中遭遇了客体化的淹没。表情包被组织进了日常生活的知识仓库,并获得了稳定性、持久性与正当性。它通过把自身转变为一种外部事实,预设了人类的行为样式。表情包可以被视作与人类互相建构、互相作用的自我镜像。这一镜像让我知道怎样看待/对待我生活的世界,现实社会对我施加了何种影响。
自动驾驶汽车的道德算法架构,是涉及法律与道德、正义与情理等法哲学的基本命题。在现有模式中,功利主义与普遍的道德直觉相背离,义务论又缺乏现实可操作性。基于调和论立场所形成的风险分配模式,旨在用不确定性算法代替确定性算法,在理论上徘徊于两种极端之间,且具有超越两者的显著优势。具体而言,应当以价值等级序列为支点,以风险分配均等化为核心。诚然,算法设计的本质是在决定如何分配风险,当特定群体所承受的特定风险超越极限时,便需要根据社会主流价值判断调整各因素的权重。或许,这就是算法设计中风险分配的终点与宿命。只有通过不
现代科学肇始于16、17世纪的科学革命,科学革命打破了传统的宇宙体系与秩序观,将“cosmos”处理成几何的、均质的物理世界,而人文精神逐渐被剔除出世界的构成.17世纪开始,技
蜀学自文翁化蜀以来,呈现出儒道融合、诸学共治、开放包容的学术特色,对中国学术史有着重要影响。扬雄追慕蜀地汉赋名家司马相如、王褒,师承巴蜀著名学者林闾翁孺与严遵,其学术成就与蜀学有着密切联系。扬雄继承和发展了蜀学中的文学、语言学、经学、史学、子学等传统,融汇先秦两汉百家之学,精研辞赋创作,融通《易》《老》思想,结合天文历法,首创拟经体例,开创中国方言学,对蜀学与中国学术发展有较大贡献和深远影响。
当代中国城市在全面进步的同时,也已步入全球性的风险社会。城市公共安全的韧性治理转向是跳出“与风险抗争”的泥淖,适应“与风险共存”现实的有效选择。从韧性概念的来源——适应性循环模型的视角来看,城市公共安全韧性治理的可能路径包括“过程—能力—目标”三个面向,需要在城市公共安全治理防/减—准备—响应—恢复的循环过程中分别采取防御抵抗—吸收存续—适应调整—学习变革的韧性策略,以形塑“抵抗—存续—调适—学习”的韧性能力,进而合力指向渐进式可持续发展的韧性治理。对此研究的意义在于,为理解城市公共安全韧性治理提供了关于
文章结合子抽样方法考虑了多源大数据融合方法的构造问题。已有文献大多是将多源小规模数据进行融合,不适用于多源大数据背景下的很多实际问题。文章考虑到大规模数据分析的高昂计算成本和存储代价,基于均匀抽样和杠杆得分(Leverage Score)重要性抽样等方法,提出一种多源大数据的子抽样融合方法,并借助Monte Carlo方法与单来源推断方法进行比较研究,验证了所提方法的优越性。
艺术乡建旨在将艺术与美丽乡村建设关联起来,是近年中国乡村建设的新模式与重要实践.艺术介入乡村建设是一个正在发生的美学事件,它不仅是乡村建设问题,也是艺术介入社会和生
《诗经》描写的爱情、婚姻、家庭等主题反映了儒家礼乐教化传统中的夫妇伦理观念,婚前男女关系遵循匹配、感应、真诚、节制等原则,婚后夫妇关系遵循隆礼、齐家、葆爱、劝教等原则。这些价值观念可能仍然适用于现代夫妇伦理,但须进一步揭示其本体理据和实践工夫,以增强理论易代转化的普遍效力。此间,忠道为夫妇伦理原则的理论本体,确立于“天”“中”“诚”“一”“敬”“尽己”等内涵。恕道为夫妇伦理原则的实践工夫,落实于“仁”“正”“如”“推”“度”“贯”等意蕴。儒家《诗》教蕴含的夫妇伦理肯定人的主体性,也强调对主体性的规范,使现
股价预测是一个复杂的非线性问题,随着数据分析技术的不断发展,应用机器学习方法来进行股票量化分析的研究也越来越多。文章用非线性孪生支持向量回归对股票价格的走势进行分析,对股票价格进行预测。在应用中分别对使用线性核函数和多项式核函数的非线性孪生支持向量回归预测性能进行了比较;在回归中的参数寻优上,分别利用遗传算法和粒子群优化算法进行寻优。结果表明:线性核孪生支持向量回归和多项式核孪生支持向量回归对股价走势的分析及价格预测均可提供一定程度的参考,其中多项式核孪生支持向量回归有较高的精度;参数寻优上,遗传算法优化