-
题名G-Huber:一种面向图数据的鲁棒回归模型
- 1
-
-
作者
苏美红
王家兴
李岩
张海
-
机构
太原科技大学计算机科学与技术学院
西北大学数学学院
-
出处
《西北工业大学学报》
北大核心
2025年第3期620-629,共10页
-
基金
国家自然科学基金(12326615)
教育部人文社会科学研究一般项目(24YJCZH257)
+3 种基金
山西省基础研究计划青年科学研究项目(202103021223295)
智能信息处理山西省重点实验室开放基金(CICIP2023007)
太原科技大学科研启动基金(20212054)
来晋工作优秀博士科研资助项目(20232062)资助。
-
文摘
随着数据中含有噪声或服从重尾分布的现象越来越普遍,鲁棒回归模型成为了众多研究领域关注和研究的重点内容之一。然而,现有的鲁棒回归模型大多基于样本独立假设,忽略了样本之间的相关性,即并不能有效地用于处理图数据问题。因此,借助图来表示数据之间的相关性,展开了面向图数据的鲁棒回归模型研究。具体地,基于具有鲁棒性的Huber回归,提出了图Huber回归模型,所提模型既包含了样本之间的相关性信息,又具有一定的鲁棒性。在此基础上,给出了相应的求解算法。实验结果表明所提模型的表现性能远优于图LASSO,尤其当回归模型误差为重尾分布时。由此说明,该研究工作为图数据中存在噪声或重尾分布问题提供了一种有效的分析和处理方法。
-
关键词
鲁棒性
回归模型
图数据
huber损失
重尾分布
-
Keywords
robustness
regression model
graph data
graph huber
heavy-tailed distribution
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
