统计学习理论中的分位数回归和MEE算法-东篱科研大数据发现系统（DRDS）

位置：立项数据库 > 立项详情页

统计学习理论中的分位数回归和MEE算法

项目名称：统计学习理论中的分位数回归和MEE算法
项目类别：青年科学基金项目
批准号：11201348
申请代码：A010505
项目来源：国家自然科学基金
研究期限：2013-01-01-2015-12-31

项目负责人：胡婷
依托单位：武汉大学
批准年度：2012

中文摘要：

最小二乘方法在统计学习理论的回归分析中已有很广泛的研究，本项目将利用逼近论方法，采用经验风险最小化准则考虑学习理论中的分位数回归与最小残差熵(MEE)方法。为使算法具有稀疏性，我们将在线算法与带阈值的分位数回归问题结合，分析算法的学习能力。同时，我们通过噪声条件和比较原则，导出空间分位数和无界分位数情况下的算法误差。在MEE算法中，我们首先会在大尺度参数下，证明算法的一致性，并给出算法的收敛速度。接下来我们通过逼近论的方法，分析MEE算法在尺度参数变小时的渐近性质。最后我们用误差分解的方法讨论再生核希尔伯特空间中正则化MEE算法的学习速率。

中文主题词：统计学习理论；最小误差熵算法；再生核希尔伯特空间；稀疏性；分位数回归

结论摘要：

英文主题词Statistical learning theory；minimum error entropy algorithm；reproducing kernel Hibert space；sparsity；quantile regression

成果综合统计