BIC准则相关论文
随着大数据的火热,人们面对的数据越来越复杂,常常能收集到高维的复杂数据,也因此在统计分析时常会面临维数祸根问题。为了克服维......
变点问题自上世纪70年代以来一直是统计学中的一个热门话题,目前它不但在工业质量控制中有广泛应用,而且在经济金融、气候和交通等......
非负矩阵分解算法(NMF)是一种无监督模式识别.将该算法应用在核磁共振数据处理中，NMF对因子矩阵进行随机初始化会造成解不稳定的问......
基于Stute加权最小二乘法，我们考虑部分线性右删失回归模型的变量选择问题.这个模型受两部分协变量的影响，一部分是低维的非参数部分......
股指收益率相关性问题多数从线性相关和静态相关的角度进行研究，本文预选取上证综合股指和恒生AH股H指实际数据,采用时变条件Copula......
软传感器在工业中被广泛应用于预测与产品质量密切相关的关键过程变量,这些变量很难在线测量;要建立一个高精度的软传感器,选择合......
横波速度和厚度的反演精度是决定瑞雷波法能否应用于防渗墙检测的关键因素,同时也是瑞雷波反演的难点。为获得高精度的防渗墙横波......
本文基于Dirichlet分布有限混合模型，提出了一种用于成分数据的Bayes聚类方法。采用EM算法获得模型参数的估计，用BIC准则确定类数，用......
众所周知，神经网络在模式识别问题上有着广泛的应用^[1]，近十几年在生物信息学中神经网络也有很好的表现，例如预测蛋白质的二级结构^[......
本文的广播电视新闻的分割系统分为三部分 :分割、分类和聚类。分割部分是采用本文提出的基于检测熵变化趋势的分割算法来检测连续......
主要探讨降雨对地下水位的影响及地下水位变化与地震之间的关系 ,提出一种基于回归的思想从地下水位观测数据中消除降雨影响的方法......
目的生成空间多点的顺风向风速时程,比较不同阶AR模型的模拟效果,评价由BIC准则判定的AR模型最优阶数的合理性.方法根据工程中普遍......
在文献[1]的基础上,首次提出混合广义自回归条件异方差(MixtureGeneralizedAutoregressiveConditionalHeteroscedasticModel简记MG......
研究了异方差混合双自回归模型(Heteroscedastic mixture double-autoregressive model,HMDAR)。给出了HMDAR模型的平稳性条件。利......
水文过程相依性是水文变异的主要表现形式之一,应用自回归模型对其进行拟合时合理确定模型阶数是一个难点问题。本文在分析AIC和BI......
研究了可用于非线性时间序列建模的异方差混合双自回归模型（heteroscedastic mixture doubleautoregressive model．HMDAR），给出了HMDAR......
时间序列建模过程中,确定了时间序列适合的模型类型之后,对模型阶数的确定是必不可少的。常见的模型定阶的的方法有:残差平方和法,......
依据训练数据集，构造多分辨率的小波节点库，再根据输入给出小波节点的输出向量，在此基础上，把一种非线性动态系统模型结构确定和参数估......
概述了Turbo Edit算法的基本原理,指出了算法对观测历元初始阶段小周跳不敏感的局限性,以及多项式拟合时模型系数的取舍问题。提出......
本文应用logistic逐步回归求某银行数据的违约概率,在变量选择的过程中,我们选择了AIC准则跟BIC准则,我们对两种模型进行样本内及......
针对半球谐振陀螺（HRG）随机误差影响惯性测量单元测量精度的问题,提出了一种改进的基于自回归滑动平均（ARMA）模型和自适应滤波（AKF）的随......
关于AR(p)模型回归系数的问题,前人已经做了很多工作,回归系数的估计方法有很多种,包括最小二乘估计、岭回归估计等方法,但是这些......
交通流预测是智能交通系统的一项重要研究内容。本文考虑路网的复杂性,使用多元时间序列模型建模,针对贵阳市省医路口2016年4月上......
将最小化乘积相对误差(LPRE)和最小绝对压缩选择算子(LASSO)方法应用到乘积回归模型,结合BIC信息准则实现股票指数的追踪,成功选取......
本文中提出一种基于改进CNN和信息融合的锂离子电池组故障诊断方法。首先,在全连接层前加入Concat层,以融合不同层次的特征,建立改......
进一步研究了由Berchtold提出的均值异方差混合转移分布（expectation heteroscedastic mixture transition distribution model，EHMT......
变量选择是统计建模的重要环节,选择合适的变量可以对数据进行更有效的分析,从而建立更准确的模型。本文主要介绍几种变量选择的常......
变量选择可降低模型复杂度、提高模型解释能力且避免多重共线性问题,目前暂无对随机前沿模型进行变量选择的研究。文章开创性地使......
针对传统GM(1,1)+AR组合模型的缺点,提出一种可及时更新建模序列和增强数据间相关性的循环式钟差预报模型,在预报过程中根据预报时......
本文针对杂波条件下多扩展目标的状态估计,目标个数估计,扩展目标形状估计问题,提出了一种基于标签随机有限集(Labelled random fi......
针对有限混合模型无监督学习算法分布元个数未知,本文提出了一种基于BIC准则和Gibbs采样的无监督学习算法,通过Gibbs采样算法对混......
本文将目前流行的规则化方法加入到传统指数追踪模型中,得到若干种稀疏而且稳定的资产组合,用于复制指数的收益率,并构建样本内外......
建模过程中的一个重要问题是如何从众多解释变量当中选取重要变量,即变量选择问题.已有大量文献从不同的角度研究了线性模型和广义......
随着新能源汽车技术的飞速发展,纯电动汽车因其能源清洁、环境友好的特点,已经成为全球汽车研发的主要方向。动力电池作为新能源汽......
加法风险模型作为生存分析中除Cox比例风险模型外的另一重要模型,它以基准危险率函数和协变量回归函数相加的形式来刻画事件在某一......
居民消费价格指数反映了居民家庭购买消费商品及服务的价格水平的变动情况,影响着政府制定货币、财政、消费、价格等政策,同时,也......
利用贝叶斯因子对AR模型定阶问题进行讨论,并给出了AR模型的贝叶斯因子的具体表达式,且用随机模拟对其与AIC(k),BIC(k)两种定阶准......
在介绍广义回归神经网络(GRNN)基本算法、网络结构及平滑参数确定方法的基础上,提出将误差序列的均方值作为网络性能的评价指标并......
分布估计算法(EDAs)将统计学习理论与进化算法结合,形成‘种全新的进化模式,是进化计算领域的研究热点。其中贝叶斯优化算法采用贝......
通过数据融合的方法,可以减少目标识别的不确定性.如果能对数据融合中所使用的信息源的质量做出评价,则可以进一步提高识别结果的......
多重共线性是多元线性回归分析中的一个重要问题,消除共线性的危害一直是回归分析的一个重点。就此问题介绍了一种Lasso方法,并设......
为实现合成孔径雷达(SAR)影像分割中类别数的自动确定,提出一种基于贝叶斯信息准则(BIC)的可变类SAR影像分割算法.该算法以Gamma分......
粗糙集优良性评估标准对粗糙集应用至关重要,目前常用的标准是误判率,在测试集中误判率小的粗糙集并不总是具有最高预测准确度。在......
期刊
针对现有光纤光栅温度解调系统的波长温度信息,提出将多项式拟合和BIC准则应用到光纤光栅温度解调系统中,该方法具有实时性好、易......
定位显微镜的工作原理是基于重复定位显微镜成像的周期和活跃分子的定位.它的空间分辨率由荧光分子定位的精度和被定位的荧光分子......
基于赣江流域12个代表气象站点1961—2010年的逐日气象观测资料,采用Penman-Monteith公式计算了各站点逐日参考作物需水量,整理得......
对模型选择中交叉验证量CV进行改进,得到新的验证模型是否合适的准则RCV,RCV包含了CV的信息,并包含了拟合程度,模型中的待估参数个......
