-
题名金融时间序列中伪回归和模型修正的实证分析
被引量：2
- 1
-
-
作者
黎振强
-
机构
湖南理工学院经济与管理系
-
出处
《湖南理工学院学报（自然科学版）》
CAS
2008年第2期17-19,共3页
-
文摘
分析了在大样本条件下,两个非平稳的金融时间序列导致伪回归现象的原因.在此基础上,以来自深泸交易所3974个交易日数据进行了实证分析,得出了单位根检验数据的平稳性和模型修正的必要性.
-
关键词
伪回归
单整序列
非平稳
极限分布
协整
-
Keywords
spurious regression
integrated series
unstablization
limiting distribution
cointegration
-
分类号
O213
[理学—概率论与数理统计]
-
-
题名基于特征异常检测与伪标签回归的无监督对抗域适应
- 2
-
-
作者
潘杰
刘波
邹筱瑜
-
机构
中国矿业大学信息与控制工程学院
-
出处
《电子学报》
2025年第1期128-140,共13页
-
基金
国家自然科学基金(No.62176258,No.62273349,No.61806207)
中央高校基本科研业务费专项资金项目(No.2021YCPY0111)。
-
文摘
无监督域适应任务中源域和目标域通常不满足独立同分布假设.为生成目标域可用标签,经典域适应方法选择分类器预测概率最大的类别作为目标样本伪标签,使伪标签中可能包含噪声信息,造成域适应“负迁移”.此外,传统对抗域适应方法往往考虑对齐领域间全局分布,较少关注样本类别信息,如何在域适应任务中提取判别性类别级特征至关重要.为此,本文提出一种基于特征异常检测与伪标签回归的无监督对抗域适应方法.通过分类器预测同类别目标样本组成目标域类别子域,引入高斯均匀混合模型检测与类均值特征距离异常的子域样本,计算样本后验概率并以此度量子域中样本伪标签的正确性,作为损失因子限制伪标签在训练中对模型的影响.同时,采用伪标签回归函数减小分类器预测标签与高置信度伪标签差异,对无标签目标域进行类别约束,提高特征类别可辨别性.实验表明,所提方法在数据集Office-31、Image-CLEF和Office-Home上平均识别精度分别为90.2%、89.6%和69.5%,较相关主流算法均有提升.
-
关键词
对抗域适应
特征检测
高斯均匀混合模型
伪标签回归
无监督学习
图像分类
-
Keywords
adversarial domain adaptation
feature detection
Gaussian uniform mixture model
pseudo-label regression
unsupervised learning
image classification
-
分类号
TP181
[自动化与计算机技术]
-
-
题名基于主成分分析-协整理论的土石坝安全监控模型研究
被引量：2
- 3
-
-
作者
周炜翔
张慧莉
陈航
钟佩文
-
机构
西北农林科技大学水利与建筑工程学院
-
出处
《水力发电》
北大核心
2017年第5期108-111,共4页
-
文摘
结合某土石坝垂直位移监测资料,针对非平稳时间序列分析时可能产生的"伪回归"问题,采用主成分分析方法和协整理论建立土石坝安全监控模型,并对监测点的变形性态进行分析。结果表明,所建立的模型系数显著,意义明确,克服了自变量间的多重共线性以及非平稳时间序列分析时的"伪回归"问题,在监测时段内,监测点垂直位移时效基本稳定。
-
关键词
伪回归
主成分分析
协整理论
多重共线性
非平稳时间序列
-
Keywords
spurious regression
principal component analysis
cointegration theory
multicollinearity
non stationary time series
-
分类号
TV641.10
[水利工程—水利水电工程]
TV698.1
[水利工程—水利水电工程]
-
-
题名基于误差修正模型的日光温室温度预测模型
被引量：1
- 4
-
-
作者
龚健林
何斌
张亦博
付国
-
机构
西北农林科技大学水利与建筑工程学院
西北农林科技大学旱区农业水土工程教育部重点实验室
-
出处
《农机化研究》
北大核心
2023年第10期47-54,共8页
-
基金
陕西省科技创新引导专项(2021QFY08-01)。
-
文摘
日光温室作为一个复杂的非线性耦合系统,室内温度受室内外众多环境因素的影响,且大多数因素的监测数据都是非平稳时间序列。因此,在利用这些监测数据进行多元线性回归分析时,所建立的预测模型可能会出现伪回归现象导致模型预测精度较低。为此,提出了基于时间序列协整理论建立温度误差修正模型的方法。利用土后墙日光温室2021年1月收集到室内外气象数据,分别建立了典型晴天和阴天条件下的日光温室白天(9:00-18:00)逐时温度误差修正预报模型,并通过模拟回代对模型进行验证。结果显示:阴天和晴天条件下,误差修正模型的预报值与实际值相比,均方根误差分别为0.4234℃和1.5937℃,均低于传统多元线性回归模型的0.5750℃和1.9522℃,有效地提高了预测精度。
-
关键词
日光温室
温度预测
误差修正模型
线性回归
协整理论
伪回归
-
Keywords
solar greenhouse
temperature prediction
error correction model
linear regression
cointegration theory
pseudo regression
-
分类号
S625.1
[农业科学—园艺学]
-
