您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202003-249
论文题目 基于鲁棒核密度估计的数据驱动不确定集研究
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于鲁棒核密度估计的数据驱动不确定集研究

首发时间:2020-03-20

郑勇 1   

郑勇(1993-),男,硕士研究生,主要研究方向:分布式鲁棒优化。

冯敏 2   

冯敏(1990-),男,讲师,主要研究方向:最优化理论及方法。

  • 1、重庆大学数学与统计学院,重庆 401331
  • 2、重庆交通大学数学与统计学院,重庆 400074

摘要:本文采用非参数估计中的鲁棒核密度估计来实现对真实密度函数的有效估计,在L1距离下,通过鲁棒核密度估计函数和真实密度函数分别对应的分布函数来构造不确定集,使得该不确定集充分包含了随机变量所对应的分布函数的信息。首先,文章引入了高斯核密度估计函数和鲁棒高斯核密度估计函数并给出了两个估计函数的一致性证明。之后采用迭代重加权最小二乘法来实现对鲁棒高斯核密度估计函数权重的选择,并采用k-近邻方法计算每个观测值对应的平滑参数。随后,对鲁棒核密度估计方法进行了性能分析。最后给出了基于历史观测值和L1距离的数据驱动不确定集的定义,并把在该不确定集合下的两阶段鲁棒优化模型转换为对应的易处理的线性模型。

关键词: 运筹学与控制论 鲁棒核密度估计 两阶段鲁棒优化 数据驱动不确定集 高斯核函数

For information in English, please click here

Study of Data-driven Uncertain Set Based on Robust Kernel Density Estimation

zhengyong 1   

郑勇(1993-),男,硕士研究生,主要研究方向:分布式鲁棒优化。

fengmin 2   

冯敏(1990-),男,讲师,主要研究方向:最优化理论及方法。

  • 1、College of Mathematics and Statistics, Chongqing University,Chongqing 401331
  • 2、College of Mathematics and Statistics, Chongqing Jiaotong University,Chongqing 400074

Abstract:In this paper, robustkernel density estimation in non-parametric estimation is used to estimate the true density function effectively. Under L1 distance, the uncertainty set is constructed by the distribution function corresponding to the robustkernel density estimation function and the true density function respectively, so that the uncertainty set fully contains the informations of the distribution function corresponding to the random variable.Firstly, the gaussian kernel density estimation function and the robust gaussian kernel density estimation function are introduced and the consistency of the two estimation functions is proved.Then the iterative reweighted least square method is used to select the weights of the robust gaussian kernel density estimation function, and the k-nearest neighbor method is used to calculate the smoothing parameters corresponding to each observed value.Then the performance of the robust kernel density estimation method is analyzed.Finally, the definition of a data-driven uncertainty set based on historical observations and L1 distance is given, and the two-stage robust optimization model under the uncertainty set is transformed into a corresponding linear model which can be easily handled.

Keywords: Operations research and cybernetics Robust kernel density estimation Two-stage robust optimization Data-driven uncertaintyset Gaussian kernel

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
郑勇,冯敏. 基于鲁棒核密度估计的数据驱动不确定集研究[EB/OL]. 北京:中国科技论文在线 [2020-03-20]. http://www.paper.edu.cn/releasepaper/content/202003-249.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于鲁棒核密度估计的数据驱动不确定集研究