样本加权的多模型回归
回归分析是一种建立变量之间函数关系的简便方法.原始的回归分析算法并未考虑样本点的权重,即认为每个样本点的重要性都相等.但是,这样的算法在遇到包含野值点的实际问题时经常会失效,因为野值点会对回归模型产生很大的干扰.而对于多模型回归估计,每个样本点隶属于各模型的程度不同.针对多模型回归的这一特点,研究一种自适应的样本加权方法,在每一次计算样本点隶属度时,也对样本点的权重进行逼近,尽可能使野值点的权重减小为0,数值实验表明了该方法的有效性.
多模型回归 最小二乘法 隶属度 样本加权 野值点权重 自适应
朱岩 于剑
北京交通大学计算机研究所,北京,100044
国内会议
郑州
中文
403-408
2007-05-27（万方平台首次上网日期，不代表论文的发表时间）