项目名称: 粗糙回归模型与算法研究

项目编号: No.61502335

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 其他

项目作者: 石红

作者单位: 天津大学

项目金额: 20万元

中文摘要: 回归分析在自然科学领域和社会领域有着广泛的应用,传统的回归方法较少关注混合多变量数据多粒度建模的要求。本项目提出粗糙回归建模方法,即基于粒化思想和近似逼近的混合数据非参数回归建模策略。.利用邻域粗糙集和模糊粗糙集理论,研究多粒度回归模型与算法:通过定义不同尺度的决策邻域和特征空间邻域,实现对样本回归变量与输入变量的粒化,建立邻域粗糙回归模型与算法;基于模糊粗糙模型,将回归量视为模糊决策变量,构建由模糊粒度信息来近似模糊决策类的回归模型与算法;针对模型噪声敏感问题,通过改进上下近似构造鲁棒的粗糙回归模型,开发快速、鲁棒、适用于复杂数据易理解的回归分析算法,并将提出的方法应用于风力发电中的短期电功率预报。.本项目提出系统地研究基于粗糙集的回归建模方法,拓展了粗糙集的应用范围,也为混合数据的多粒度分析提供了新的框架。

中文关键词: 粗糙集;邻域粗糙回归;模糊粗糙回归

英文摘要: Regression analysis has a wide range of applications in both fields of natural science and social science. Traditional regression methods pay less attention to the requirements of multi-granularity modeling with heterogenous and multivariable data. This project proposes a rough regression modeling method, which is a nonparametric regression strategy for heterogenous and multivariable data based on granulation and approximation. .Multi granularity regression models and algorithms are investigated using neighborhood rough set and fuzzy rough set theories. Neighborhood rough regression model is built based on granulations of the regression variables and the input variables of a sample set, and granulations is achieved according to defining various neighborhoods with different scales in decision space and feature space. Based on the fuzzy rough models, decision variables are extended to fuzzy ones and fuzzy granulation information is used to approximate fuzzy decision. In addition, this project also devote to build rubost rough regression model to deal with noise sensitive problems by means of improving the definition of lower and upper approximation, and develop fast, robust and understandable regression analysis algorithms to process complex data. Finally, the proposed methods are applied to wind power short-term prediction..This project makes a systematic study on rough set based regression modeling methods, which greatly expands the application fields of rough set, and also provides a new framework for multi-granularity analysis with heterogenous data.

英文关键词: Rough Sets;Neighborhood Rough Regression;Fuzzy Rough Regression

成为VIP会员查看完整内容
5

相关内容

【NeurIPS 2021】基于次模优化的规则学习算法框架
专知会员服务
33+阅读 · 2021年11月30日
逆优化: 理论与应用
专知会员服务
35+阅读 · 2021年9月13日
【经典书】机器学习统计学,476页pdf
专知会员服务
120+阅读 · 2021年7月19日
专知会员服务
26+阅读 · 2021年7月11日
专知会员服务
95+阅读 · 2021年6月23日
专知会员服务
36+阅读 · 2021年6月6日
专知会员服务
71+阅读 · 2020年12月7日
基于改进卷积神经网络的短文本分类模型
专知会员服务
25+阅读 · 2020年7月22日
【KDD2020】多源深度域自适应的时序传感数据
专知会员服务
60+阅读 · 2020年5月25日
人工智能十大流行算法
THU数据派
0+阅读 · 2022年2月14日
【ICML2021】统一鲁棒半监督变分自编码器
专知
1+阅读 · 2021年7月12日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
【经典书】数理统计学,142页pdf
专知
2+阅读 · 2021年3月25日
从模型到应用,一文读懂因子分解机
AI100
10+阅读 · 2019年9月6日
数据分析师应该知道的16种回归方法:负二项回归
数萃大数据
73+阅读 · 2018年9月16日
基于LDA的主题模型实践(一)
机器学习深度学习实战原创交流
20+阅读 · 2015年9月9日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
11+阅读 · 2018年5月21日
小贴士
相关VIP内容
【NeurIPS 2021】基于次模优化的规则学习算法框架
专知会员服务
33+阅读 · 2021年11月30日
逆优化: 理论与应用
专知会员服务
35+阅读 · 2021年9月13日
【经典书】机器学习统计学,476页pdf
专知会员服务
120+阅读 · 2021年7月19日
专知会员服务
26+阅读 · 2021年7月11日
专知会员服务
95+阅读 · 2021年6月23日
专知会员服务
36+阅读 · 2021年6月6日
专知会员服务
71+阅读 · 2020年12月7日
基于改进卷积神经网络的短文本分类模型
专知会员服务
25+阅读 · 2020年7月22日
【KDD2020】多源深度域自适应的时序传感数据
专知会员服务
60+阅读 · 2020年5月25日
相关资讯
人工智能十大流行算法
THU数据派
0+阅读 · 2022年2月14日
【ICML2021】统一鲁棒半监督变分自编码器
专知
1+阅读 · 2021年7月12日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
【经典书】数理统计学,142页pdf
专知
2+阅读 · 2021年3月25日
从模型到应用,一文读懂因子分解机
AI100
10+阅读 · 2019年9月6日
数据分析师应该知道的16种回归方法:负二项回归
数萃大数据
73+阅读 · 2018年9月16日
基于LDA的主题模型实践(一)
机器学习深度学习实战原创交流
20+阅读 · 2015年9月9日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员