【摘 要】
：
针对Bayesian Lasso方法的变量选择和异常值检测进行了研究。该方法是在线性回归模型中引入识别变量,借助于双层Bayesian模型和Gibbs抽样算法,给出识别变量后验概率的计算方法和变量选择的方法,通过比较这些识别变量的后验概率进行异常值定位。最后进行了大量的模拟实验,结果表明,该方法是可行且有效的。
【机 构】
：
首都经济贸易大学统计学院,中国科学技术大学管理学院,重庆邮电大学数理学院
【基金项目】
：
首都经济贸易大学科研项目（2012XJQ018）, 重庆市大学生创新创业训练计划项目（CXCY2014-11）
论文部分内容阅读
针对Bayesian Lasso方法的变量选择和异常值检测进行了研究。该方法是在线性回归模型中引入识别变量,借助于双层Bayesian模型和Gibbs抽样算法,给出识别变量后验概率的计算方法和变量选择的方法,通过比较这些识别变量的后验概率进行异常值定位。最后进行了大量的模拟实验,结果表明,该方法是可行且有效的。
其他文献
为提高基于粒子群算法的有源噪声控制(ANC)系统的性能,提出一种改进型重新初始化粒子群算法(MRPSO)。该算法充分利用粒子个体最优信息,并动态改变其惯性权重,从而增强了种群的多样性,提高了算法的收敛速度和全局优化能力。针对ANC系统的时变特性,该算法通过重新初始化粒子以应对声通道的突变。以对误差信号的逐个采样为基础,介绍了基于MRPSO算法的有源噪声控制方法。该方法无须估计次级声通道,但可以有效
由于在尖峰非正态噪声背景下,MUSIC算法对信源的3D-DOA估计将失去韧性,为此对MUSIC算法进行了改进,提出了一种信源3D-DOA估计新算法。首先简要分析了圆阵模型以及共变,然后将阵列输出矩阵从二阶原点矩扩展到低阶矩,通过分析共变矩阵,得到基于共变矩阵的空间谱,再对空间谱作梯度运算后进行极值搜索,最后可得信源的3D-DOA估计。通过仿真,在尖峰非正态噪声下,算法可以对多个信源的3D-DOA进
针对虚拟网请求结束时底层网络节能重构问题,提出一种虚拟网均衡节能重构算法。算法首先基于逼近理想排序法选择底层物理节点的相关信息作为方案属性,找到面对重构需求的最佳重构节点;然后优先进行节能重构,再对工作状态的网络拓扑进行均衡重构以改善底层网络映射状态。仿真结果表明,该方法改善了底层网络的负载均衡情况和能耗水平,提升了映射接收率和收益能耗比。
传统的云计算系统功率控制算法没有同时考虑公共云和私有云中的能耗优化问题。为了降低能量消耗,同时考虑公共云与私有云中的能量消耗问题,并基于任务合并机制提出了一种绿色的功率控制算法。算法将资源利用率与能量消耗之间的直接关系建模为一种任务合并问题,基于公共云和私有云任务的合并机制,提出了两种有节能意识的启发式算法。最后引入成本函数,用于表征算法的节能效率与节能能力,并分析了算法的最优加权因子。仿真结果表
运行于处理器上的进程如果在运行期间发生暂态故障,有可能导致严重的系统故障或安全漏洞。因此,必须在对系统造成损害前检测并尽量纠正这些差错。现有的差错检测方法虽然潜在性能优异,但是成本极高,因此无法在实践中部署。为了解决这一问题,提出了一种基于硬件的控制流监控技术。该技术首先从程序二进制接口提取出程序的合法控制流图,计算出CRC签名,对合法的控制流图进行编码;然后,当程序在处理器上运行时,使用预先计算
为了提高对复杂网络进行故障诊断时的准确率,以及实现故障节点的有效自修复,提出一种多属性加权模糊贝叶斯的复杂网络故障自修复机制。建立贝叶斯网络结构模型,针对故障网络和故障节点进行条件概率估计,实现故障类别诊断。在该模型的基础上引入了多属性值和模糊集合理论进行扩展,提出了一种多属性加权模糊贝叶斯,提升模型对节点进行故障诊断时的灵敏度和准确度。对网络和节点进行故障诊断后,采用网络故障自修复机制,在查找出
虚拟网映射是网络虚拟化技术的关键问题,以往研究常关注供应商的收益与开销,而网络设备的大量能源浪费使得供应商开始关注节能。将紧密中心度概念引入虚拟网映射问题中,同时考虑节点的位置和能力,优先使用已工作节点和缩短链路长度来降低能耗,提出了一种寻找核心节点优先映射(寻核)算法。该算法通过检验确保所选底层核心节点满足虚拟核心节点要求,节点和链路映射同步进行,同时根据贪婪策略保证所选底层网络节点跳数较小。仿