统计模型的选择问题,尤其是变量选择问题广泛存在于各门学科。一般的模型选择方法都是寻找一个准则。基于这个准则从备选模型族中选取的合适的模型,或者选择合适的变量子集。在用实际数据进行模型选择时首先要估计未知参数,再对模型进行评价。一般的选择准则对这两个过程采用同一种损失函数。GRC准则则考虑这两个损失函数可以不一致时的情形。这种情形在实际问题是常常出现。本项目试图将GRC准则应用于半参数回归/非参数回
{{i.achievement_title}}
数据更新时间:2023-05-31
一种基于多层设计空间缩减策略的近似高维优化方法
基于LS-SVM香梨可溶性糖的近红外光谱快速检测
奥希替尼治疗非小细胞肺癌患者的耐药机制研究进展
长链基因间非编码RNA 00681竞争性结合miR-16促进黑素瘤细胞侵袭和迁移
二维FM系统的同时故障检测与控制
超高维半参数回归模型的结构识别和变量选择问题研究
非参数半参数分位数回归模型及其应用
半参数混合模型及变量选择研究
带约束推断的参数和半参数回归模型有偏估计及变量选择理论与方法研究