基于懲罰樣條方法的散點圖光滑研究.pdf_第1頁
已閱讀1頁,還剩40頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、非參數(shù)模型進一步放寬了傳統(tǒng)參數(shù)模型對參數(shù)的限制,擴展了參數(shù)模型的應用范圍,具有一定的適應性和廣泛性。對模型中未知函數(shù)的的估計,迄今已有多種方法,如加權(quán)最小二乘估計(weighted least-squares),核估計(kernel smoother),局部多項式估計(local polynomial fitting),小波估計(wavelets-based smoother)等等。這些方法各有所長,也都有各自的適用范圍,比如小波估計適

2、合對高震蕩函數(shù)(highly oscillatory functions)進行建模分析,而局部多項式估計使用局部廣義最小二乘思想等。在眾多的估計方法中,樣條估計依然占據(jù)著重要的位置,如回歸樣條法(regression spline),光滑樣條法(smoothing spline),懲罰樣條法(penalized spline)等等。本文主要對樣條法這一重要的非參數(shù)建模方法進行了研究。其中,回歸樣條采用多項式樣條基進行建模,在建模的的過程

3、中,樣條節(jié)點(knot)的個數(shù)和位置對擬合效果起著至關(guān)重要的作用。并且在利用回歸樣條對目標函數(shù)進行擬合時,要求函數(shù)定義在連續(xù)的區(qū)間上,該限制條件在數(shù)值模擬中可以很容易滿足,但在實際的抽樣中,樣本數(shù)據(jù)可能會有缺失,即函數(shù)的定義域是間斷的,這也限制了該方法的進一步推廣。在基于光滑樣條法的建模中,基函數(shù)的個數(shù)與樣本量的大小幾乎等同,通過構(gòu)造更一般形式的基函數(shù)或懲罰函數(shù),可以逐步縮減光滑樣條的基函數(shù)個數(shù)。在懲罰樣條中,主要是使用B-spline

4、基進行函數(shù)擬合,并且對基函數(shù)的個數(shù)沒有嚴格的限制,至少不用與樣本容量相當,并且被擬合的函數(shù)的定義域不需要是連續(xù)的。本文主要考察了如何利用懲罰樣條進行函數(shù)逼近,而擬合效果則可通過對下述參數(shù)的控制進行調(diào)節(jié),即k(節(jié)點位置),K(節(jié)點個數(shù)),q(樣條階數(shù)),?(光滑參數(shù))以及m(差分次數(shù))。當然,我們不需要完全采用data-driven法優(yōu)化以上參數(shù),本文主要是建立光滑參數(shù)和差分次數(shù)的關(guān)系,并利用 EM算法優(yōu)化上述兩個參數(shù),至于其余參數(shù),主要

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論