文献类型：期刊文章

作　　者：王金甲[1] 陈春[1] 洪文学[2,3]

机构地区：[1]燕山大学信息科学与工程学院,河北秦皇岛066004 [2]燕山大学电气工程学院,河北秦皇岛066004 [3]东北大学秦皇岛分校大数据可视化分析技术中心,河北秦皇岛066004

出　　处：《燕山大学学报》

基　　金：国家自然科学基金资助项目(61473339);中国博士后科学基金资助项目(2014M561202);河北省2014年度博士后专项资助项目(B2014010005);首批"河北省青年拔尖人才"资助项目

年　　份：2015

卷　　号：39

期　　号：1

起止页码：30-34

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSA-PROQEUST、RCCSE、ZGKJHX、核心刊

摘　　要：传统的lasso法因其解的稀疏性、变量选择的稳定性被广泛应用在高维、复杂、多变的大数据的降维及分类中,但在处理时序大数据时,lasso法因不考虑变量的时序关系而受限制。鉴于这一缺点,本文在处理时序数据时采用序lasso方法。序lasso将不同特征的不同时间点的数据作为输入变量,能够有效地估计出每个特征最合适的时滞间隔,它的优点是在恢复真实系数上消除了尾部的波动性。基于实际的时序数据上的实验结果证明了本文的模型和算法。

关 键 词：时序大数据  序lasso  块坐标下降  保序回归

分 类 号：TP18] TP391]