CMARS公司

CMARS:一个新的贡献非参数回归多元自适应回归样条支持的连续优化回归分析是一个广泛使用的统计方法建模变量之间的关系。多元自适应回归样条(MARS)特别适用于高维问题和非线性多元函数的拟合。MARS的一个特殊优势在于它能够估计某些基函数的贡献,从而使得预测因子的加性效应和交互效应都能够确定响应变量。MARS算法由向前和向后两部分组成。通过这些算法,它力求达到两个目标:一个很好的数据拟合,但一个简单的模型。本文将MARS的惩罚残差平方和作为一个Tikhonov正则化问题,并用连续优化技术,特别是圆锥二次规划的框架来处理。我们将这种新的火星方法称为CMARS,并将其视为对反向逐步算法的重要补充和基于模型的替代方案。利用不同特征的数据集对CMARS的性能进行了评估,并对结果进行了讨论。


zbMATH中的参考文献(参考 24篇文章 24篇,1标准件)

显示第1到第20个结果,共24个。
按年份排序(引用)
  1. Aíraz,Melih;Purutçuoílu,维尔达:生物网络描述中的扩展套索型火星(LMARS)模型(2019年)
  2. Nalcaci,Gamze;厄兹曼,Ayse;Weber,Gerhard Wilhelm:长期负荷预测:基于MARS、ANN和LR方法的模型(2019年)
  3. Ahmet Sahiner;Yilmaz,Nurullah;Kapusuz,Gulden:一种新的全局优化建模和平滑技术(2019)
  4. Yilmaz,Nurullah;Sahiner,Ahmet:分段光滑函数的新平滑逼近及其应用(2019)
  5. 刘延庆,陶,济源,张,欢,秀,先朝,孔令晨:高维线性回归的融合套索惩罚最小绝对偏差估计量(2018)
  6. Onak,Onder Nazim;Dogrusoz,Yesim Serinagaoglu;Weber,Gerhard Wilhelm:最小相对熵法中先验参数选择对逆心电图问题的影响(2018)
  7. 切维克,阿尔珀;韦伯,格哈德·威廉姆;埃比博卢,B.穆拉特;奥兹,卡德尔·卡尔ı:体素火星:一种通过结构脑MRI分类早期检测阿尔茨海默病的方法(2017年)
  8. 李志;谭德清:网络视频服务的两阶段动态定价与广告策略(2017)
  9. Cheung,Ngaam J.;Xu,Zhen Kai;Ding,Xue Ming;Shen,Hong Bin:用收敛异质粒子群优化的人类可读模糊规则建模非线性动态生物系统(2015)
  10. Kartal Koc,Elcin;Bozdogan,Hamparsum:使用信息复杂性作为适应度函数的多元自适应回归样条(MARS)中的模型选择(2015)
  11. Yazıcı,Ceyda;Yerlikaya-ızkurt,Fatma;Batmaz,İnci:非参数回归的计算方法:自举CMARS方法(2015)
  12. Goldberg,Noam;Kim,Youngdae;Leyffer,Sven;Veselka,Thomas D.:线性样条回归的自适应优化动态程序(2014)
  13. Koc,Elcin Kartal;Iyigun,Cem:使用基于映射方法的新节点选择程序重构MARS算法的前进步骤(2014年)
  14. Koc,Elcin Kartal;Iyigun,Cem;Batmaz,İnci;Weber,Gerhard Wilhelm:基于映射方法的有效自适应回归样条算法与金融案例研究(2014)
  15. Özmen,A.;Kropat,E.;Weber,G.-W.:复杂多模式调节网络的样条回归模型(2014)
  16. şzmen,Ayşe;Weber,Gerhard Wilhelm:RMARS:多面体不确定性下多元自适应回归样条的robustization(2014)
  17. Yerlikaya-Özkurt,F.;Vardar Acar,C.;Yolcu Okur,Y.;Weber,G.-W.:使用CMARS方法估算分数布朗运动的赫斯特参数(2014年)
  18. şzmen,Ayşe;Weber,Gerhard Wilhelm;Chavuşoílu,Zehra;Defterli,峈zlem:新的稳健圆锥曲线GPLM方法及其在金融中的应用:信用违约预测(2013)
  19. Paksoye,Turan;Özceylan,Eren;Weber,Gerhard Wilhelm:以利润为导向的供应链网络优化(2013)
  20. Volkovich,Zeev;Barzily,Zeev;Weber,Gerhard Wilhelm;Toledano Kitai,Dvora;Avros,Renata:最小生成树方法在集群稳定性问题中的应用(2012)