采用pinball loss的MEE算法研究

项目名称： 采用pinball loss的MEE算法研究

项目编号： No.11401247

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 数理科学和化学

项目作者： 王承

作者单位： 惠州学院

项目金额： 23万元

中文摘要： 分位数回归模型自提出以来，已逐步成为统计与经济学中的一个重要分析方法，由于其对比于传统的最小二乘回归能更细致地刻画分布的特征，以及具有更稳健的算法，使之广泛应用于经济、医学、环境科学、生存分析和动植物学等方面。另一方面，minimum error entropy算法则是根据信息论中的 Renyi熵和Shannon熵构造的一种最小化熵的算法。 该算法最小化了误差信号的熵，从而使得所获得的信息最大化，被用于自适应信号系统处理的各个方面。 而理论分析上，Steinwart等在2008及2011年的文章中首先对分位数回归做出了分析，胡婷等2013年文章中也首次对MEE算法给出了一个完整的收敛性分析。本项目基于这两个课题，拟在胡婷等人的工作基础上，将MEE算法中的误差函数换成pinball loss函数，试图进行误差分解，得到收敛性的结果和学习率。

中文关键词： 学习理论；学习率；最小误差熵；输出扰动；差分隐私

英文摘要： The quantile regression model gradually becomes an important method in statistics and economics after proposed. Due to its preciseness in characterizing distribution of variables and robustness in algorithm comparing classical least square regression, it

英文关键词： Learning theory；learning rate；minimal error entropy；output perturbation；differential privacy