南通大学自然科学基金(10Z008)
- 作品数：7 被引量：9H指数：1
- 相关作者：李泽安徐相建陈建平钟永彦李智更多>>
- 相关机构：南通大学更多>>
- 发文基金：南通大学自然科学基金江苏省自然科学基金南通市应用研究计划项目更多>>
- 相关领域：自动化与计算机技术理学更多>>
- 一类矩阵方程系统最小Frobenius范数问题的对称解
- 2013年
- 针对一类矩阵方程系统(A XB,C XD)=(E,F)的最小Frobenius范数问题的对称解提出了一种迭代求解方法,并分析了其相应性质.对于任意的初始对称矩阵,运用此方法经过有限步迭代能得到矩阵方程系统在最小Frobenius范数意义下的一个对称解.如果选取特殊形式的初始对称矩阵还能得到原问题唯一的最小范数对称解.数值仿真说明了此方法的有效性.
- 徐相建吕效国
- 关键词：迭代算法对称解FROBENIUS范数
- 半参数Beta回归模型在数据挖掘中的应用
- 2012年
- 回归分析是数据挖掘中重要的方法之一。文章研究了基于半参数Beta回归模型结合惩罚样条估计的数据挖掘方法。当数据中因变量的数据取值为(0,1)区间(或某个区间)时,利用半参数Beta回归模型进行数据挖掘,不仅具有很好的解释效果,而且能挖掘出隐含在数据内部的有用信息。实验结果验证了研究方法的有效性。
- 李泽安李泽慧
- 关键词：数据挖掘半参数区间数据
- 高维数据挖掘中基于中位数回归的特征提取新方法被引量：9
- 2013年
- 为降低噪声对数据特征提取(变量选择)效果的不利影响,基于中位数回归分析方法,利用变量选择降维技术(正则化估计),提出了一种稳健、有效的特征提取(变量选择)新方法,并具体给出了估计算法,该算法具有快速计算的特点。实验结果表明,新方法能够有效地对高维数据集进行估计和变量选择,且具有较高的准确性,即使数据中的信噪比很低时,该方法仍具有较好的效果。因此,该方法为高维数据挖掘特征提取提供了稳健且有效的方法。
- 李泽安陈建平赵为华
- 关键词：高维数据特征提取
- 高维数据挖掘中的正则化估计新方法
- 2012年
- 针对高维数据的特点并基于线性回归模型,利用变量选择降维技术,提出了一种新的、有效的变量选择(或称特征提取)的正则化估计方法.新的正则化估计方法主要考虑了数据的噪声(方差)对正则化估计的影响,在寻找估计的正则化路径时能对方差进行有效估计,且基于凸优化问题的KKT条件和坐标算法思想给出了正则化估计算法的实施细节.实验结果表明,该方法能够提高高维数据集进行估计和变量选择的准确性,是高维数据挖掘中新的、有效的特征提取方法.
- 李泽安陈建平
- 关键词：数据挖掘高维数据
- 带二次约束的最小二乘问题的求解
- 2015年
- 针对带二次约束的最小二乘问题提出了一种求解算法,同时给出了算法中牛顿迭代的收敛证明.数值例子说明了此算法的有效性.
- 徐相建李智钟永彦薛妍
- 关键词：最小二乘牛顿法
- 关于三角Toeplitz系统向前消去算法的误差分析
- 2015年
- 采用向前舍入误差分析的方法给出三角Toeplitz系统向前消去算法的舍入误差分析,并给出相应的误差分析结果.结果表明,计算解的舍入误差与系统维数和Toeplitz系数矩阵的元素比值及右端项有关.最后给出的数值算例验证了误差分析结果的正确性.
- 徐相建李智钟永彦陈娟
- 关键词：TOEPLITZ矩阵误差分析三角矩阵
- 高维数据挖掘中基于正则化估计的特征提取算法被引量：1
- 2012年
- 文章基于高斯回归模型,利用坐标算法并结合KKT条件对已存在的正则估计方法进行了改进,提出了一种对高维数据更加有效的变量选择(或称特征提取)的正则化估计方法。该方法考虑了实际数据中存在的噪声对正则化估计的影响,并能对噪声进行有效估计,文中给出了改进算法的实施细节,并通过实验结果验证了该方法在一定数据范围内具有估计的有效性和提高变量选择(特征提取)的准确性。
- 李泽安
- 关键词：特征提取稀疏性惩罚函数
