现代诗歌

基于自适应组Lasso算法的线性回归模型多变点估计

  • 本站
  • 2019-07-13
  • 134已阅读
简介 摘要第4-5页Abstract第5页第一章绪论第10-14页研究背景与意义第10-11页研究思路第11页研究框架第11-12页创新和不足第12-14页第二章文献综述第14-20页基于传统方法的

基于自适应组Lasso算法的线性回归模型多变点估计

摘要第4-5页Abstract第5页第一章绪论第10-14页研究背景与意义第10-11页研究思路第11页研究框架第11-12页创新和不足第12-14页第二章文献综述第14-20页基于传统方法的变点问题文献综述第14-16页基于Lasso理论的变点问题文献综述第16-18页本章小结第18-20页第三章理论方法第20-30页线性回归模型的变点问题第20-21页含有变点的线性回归模型第20页变点问题转化为高维回归问题第20-21页及其相关方法第21-24页第21-22页自适应Lasso第22页组Lasso第22-23页自适应组Lasso第23页稀疏组Lasso第23-24页(GroupwiseMajorizationDescent)算法第24-26页基于CUSUM(CumulativeSum)检验的变点检测第26-27页本章小结第27-30页第四章模拟研究第30-42页运算时间对比第30-33页短数据的计算时间对比第30-32页长数据的计算时间对比第32-33页估计精度对比第33-40页短数据的估计精度对比第33-37页长数据的估计精度对比第37-40页本章小结第40-42页第五章实证研究第42-46页空气质量和风力的实证研究第42页指标选取第42-43页建模和变点估计结果分析第43-44页本章小结第44-46页第六章结论和展望第46-48页参考文献第48-52页致谢第52页。

Top