×
阿迪尔·巴吉洛夫。;朱利安·乌贡;Hijran G.米尔扎耶娃。

求解聚类线性回归问题的非光滑优化算法。 （英语） Zbl 1311.65067号

J.优化。理论应用。 164，第3期，755-780（2015）.
摘要：聚类线性回归包括找到多个线性回归函数，每个函数都近似于数据的子集。本文将聚类线性回归问题描述为一个非光滑非凸优化问题，并设计了一种基于增量方法和非光滑优化的离散梯度法的算法来求解该问题。该算法以增量方式将整个数据集划分为组，这些组很容易用一个线性回归函数进行近似。在增量算法的每次迭代中，引入了一个特殊的过程来生成求解全局优化问题的良好起点。在几个公开可用的数据集上，将该算法与多启动Späth和增量算法进行了比较，以进行回归分析。

引用于6文件

MSC公司：

65千5 数值数学规划方法
62J05型 线性回归；混合模型
90C25型 凸面编程

关键词：

非光滑优化;非凸优化;聚类线性回归;离散梯度法

软件：

DGM公司;UCI-毫升;算法39
PDF格式BibTeX公司 XML格式引用
\textit{A.M.Bagirov}等人，J.Optim。理论应用。164、3号、755--780（2015；Zbl 1311.65067）
全文： 内政部

参考文献：

[1] Preda，C.，Saporta，G.：随机过程的聚类PLS回归。计算。统计数据分析。49, 99-108 (2005) ·Zbl 1429.62299号 ·doi:10.1016/j.csda.2004.05.002
[2] Wedel，M.，Kistemaker，C.：使用聚类线性回归进行消费者利益细分。《国际法学研究标记》6（1），45-59（1989）·doi:10.1016/0167-8116（89）90046-3
[3] Späth，H.：算法39：聚类线性回归。计算22367-373（1979）·Zbl 0387.65028号 ·doi:10.1007/BF02265317
[4] Späth，H.：算法48：聚类线性回归的快速算法。计算29175-181（1981）·Zbl 0485.65030号 ·doi:10.1007/BF02249940
[5] Gaffney，S.，Smyth，P.：使用混合回归模型的轨迹聚类。摘自：Chaudhuri，S.，Madigan，D.（编辑）《ACM知识发现和数据挖掘会议论文集》，纽约，第63-72页（1999）·兹比尔1429.62299
[6] Zhang，B.：回归聚类。摘自：第三届IEEE数据挖掘国际会议论文集（ICDM03），第451-458页。IEEE计算机学会，华盛顿特区（2003）
[7] DeSarbo，W.S.，Cron，W.L.：聚类线性回归的最大似然方法。J.分类。5(2), 249-282 (1988) ·Zbl 0692.62052号 ·doi:10.1007/BF01897167
[8] Garca-Escudero，L.a.、Gordaliza，a.、Mayo-Iscar，a.、San Martin，R.：通过修剪实现稳健的聚类线性回归。计算。统计数据分析。54, 3057-3069 (2010) ·Zbl 1284.62198号 ·doi:10.1016/j.csda.2009.07.002
[9] DeSarbo，W.S.，Oliver，R.L.，Rangaswamy，A.：聚类线性回归的模拟退火方法。《心理测量学》54（4），707-736（1989）·doi:10.1007/BF02296405
[10] Carbonneau，R.A.，Caporossi，G.，Hansen，P.：混合逻辑二次规划的全局最优聚类回归。欧洲药典。第212、213-222号决议（2011年）·doi:10.1016/j.ejor.2011.01.016
[11] Caporossi，G.，Hansen，P.：最小二乘聚类回归的可变邻域搜索。技术报告，G-2005-61，GERAD会议，蒙特利尔（2005）
[12] Bagirov，A.M.，Ugon，J.，Mirzayeva，H.：聚类线性回归问题的非光滑非凸优化方法。欧洲药典。第229号决议、第132-142号决议（2013年）·Zbl 1317.90242号 ·doi:10.1016/j.jor.2013.02.059
[13] Bagirov，A.M.：连续次微分近似及其应用。数学杂志。科学。115(5), 2567-2609 (2003) ·Zbl 1039.49020号 ·doi:10.1023/A:1023227716953
[14] Bagirov，A.M.，Karasozen，B.，Sezer，M.：离散梯度法：非光滑优化的无导数方法。J.优化。理论应用。137(2), 317-334 (2008) ·Zbl 1165.90021号 ·doi:10.1007/s10957-007-9335-5
[15] Clarke，F.H.：优化和非光滑分析。约翰·威利，纽约（1983）·Zbl 0582.49001号
[16] Bagirov，A.M.，Ugon，J.：用于大规模非光滑优化的分段部分可分函数和无导数算法。J.全球。最佳方案。35(2), 163-195 (2006) ·Zbl 1136.90515号 ·doi:10.1007/s10898-005-3834-4
[17] Nocedal，J.，Wright，S.J.：数值优化，第2版。施普林格，纽约（2006）·Zbl 1104.65059号
[18] Bache，K.，Lichman，M.：UCI机器学习库。加州大学欧文分校信息与计算机科学学院（2013年）。http://archive.ics.uci.edu/ml
[19] Yeh，I-Cheng：使用二阶回归和人工神经网络对混凝土坍落度流动进行建模。水泥。混凝土。作曲。29(6), 474-480 (2007) ·doi:10.1016/j.cemconcomp.2007.02.001
[20] Cortez，P.，Morais，A.：使用气象数据预测森林火灾的数据挖掘方法。收录于：Neves，J.、Santos，M.F.、Machado，J（编辑）《人工智能新趋势》，第13届EPIA 2007-葡萄牙人工智能会议论文集，吉马拉斯，第512-523页（2007）·Zbl 0387.65028号
[21] Yeh，I-Cheng：使用人工神经网络对高性能混凝土的强度进行建模。水泥。混凝土。第28（12）号决议，1797-1808（1998）·doi:10.1016/S0008-8846（98）00165-3
[22] Cortez，P.，Cerdeira，A.，Almeida，F.，Matos，T.，Reis，J.：通过物理化学特性的数据挖掘建模葡萄酒偏好。Decis公司。支持系统。47(4), 547-553 (2009) ·doi:10.1016/j.dss.2009.05.016
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。