高维数据下的判别分析及模型选择方法.pdf 全文免费在线阅读

  本文关键词：高维数据下的判别分析及模型选择方法，由笔耕文化传播整理发布。

网友wz_198620近日为您收集整理了关于高维数据下的判别分析及模型选择方法的文档，希望对您的工作和学习有所帮助。以下是文档介绍：分类号:密级:∥户第单位代码:10422学号:UNIVER博士学位论文DissertationforDoctoralDegree论文题目:高绲数据下矗剽到命析1支梗型选坪弓i文作者姓名丝整函培养单位金豇丛选睦:监!卫出:!::lf匕l:=.一专业名称擅荤渔刍趟理盛缉指导教师拯逸合作导师砌f年5"-月f7日∥各一万方数据DiscriminantAnalysisandModelSelectionMethodsforHighDimensionalData高维数据下的判别分析及模型选择方法THESISSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofDOCToRoFPHILOSoPHY(ProbabilityandMathematicalStatistics)attheSHANDONGUNIVERSITYbyYanliZhangSupervisor:Prof.LuLin⑧May2015万方数据原创性声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体,均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名:独整函日期:趁笸:￡!鲤关于学位论文使用授权的声明本人完全了解山东大学有关保留、使用学位论文的规定,同意学校保留或向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅;本人授权山东大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或其他复制手段保存论文和汇编本学位论文。(保密论文在解密后应遵守此规定)论文作者签名:磁轻阖导师签名:万方数据山东大学博士学位论文2万方数据中文摘要英文摘要目录第一章绪论1.1线性判别分析............................1.1.1判别分析的定义及分类...................1.1.2Fisher线性判别.......................1.1.3Fisher线性判别与线性回归的关系............1.2测量误差模型选择似然函数....................1.2.1例子.............................1.2.2MEM选择似然函数构造步骤...............1.3高维线性模型变量选择方法....................1.4回归模型...............................1.4.1非参数回归模型.......................1.4.2半参数回归模型.......................1.4.3模型选择方法........................第二章2.12.22.32.42.5Dantzig判别分析引言.................................Dantzig判别分析..........................Dantzig判别分析的渐近性质...................2.3.1正态情况...........................2.3.2非正态情况.........................模拟研究...............................2.4.1数值模拟...........................2.4一.实例模拟...........................结论证明...............................I仃1112233457799万方数据山东大学博士学位论文第三章Lasso非参数判别分析3.1引言........................3.2方法的提出....................3.2.1单指标模型指标方向估计.........3.2.2Lasso判别分析............,.3.3理论性质......................3.4模拟验证......................3.4.1数值模拟..................3.4.2实例分析..................3.5结论证明......................第四章基于测量误差模型似然函数的变量选择方法4.1引言........................4.1.1测量误差模型...............4.1.2测量误差模型用来选择变量的统计思想.4.1.3线性模型变量选择方法..........4.2方法的提出....................4,3渐近理论性质...................4.4结论证明......................第五章惩罚线性部分的非参数模型5.1引言........................5.2惩罚非线性结构估计的定义...........5.2.1光滑法与投影...............5.2.2惩罚线性结构的非参数估计定义.....5.3惩罚估计的渐近性质...............5.4模拟........................5.4.1适应参数的选择..............5.4.2数值模拟....,..............5.5证明........................4万方数据参考文献攻读博士学位期间发表及完成的论文致谢718183万方数据山东大学博士学位论文6万方数据山东大学博士学位论文高维数据下的判别分析及模型选择方法张艳丽(山东大学金融研究院,济南,250100)中文摘要判别分析是利用已知类别的样本建立判别模型,对未知类别的样本进行判别归类的一种统计方法。近年来,判别分析在医学、自然科学、社会学及经济管理学科中都有广泛的应用。判别分析的特点是根据已有的每个类别的若干样本的数据信息,以概率统计理论为基础,建立判别准则.对于新的样本点,利用得到的判别准则,就能判别该样本点所属的类别。常用的判别分析方法有Bayes判别和Fisher判别。Bayes判别是一种概率型的判别分析方法,在分析过程开始时需要获得各个类别的分布密度函数,同时也需要知道样本点属于各个类别的先验概率,以建立一个合适的判别规则。但是实际中往往不知道各类别的分布密度,而且当判别变量较多时,计算也较为复杂,此时,Fisher线性判别分析方法占有优势。Fisher判别的基本思想是投影降维,使多维问题简化为一维问题来处理,实际上就是把特征空间压缩到一维。问题的关键是投影之后原来可以分的开的样本可能变得混杂在一起而无法区分开。所以在Fisher判别分析中,寻找投影方向是关键。在一般情况下,总可以找到某个最好的方向,使样本投影到这个方向的直线上是最容易分得开的,即每一类内的投影值越集中越

12>

  本文关键词：高维数据下的判别分析及模型选择方法，由笔耕文化传播整理发布。