.png){kind=icon}
返回
Integrated subset selection and bandwidth estimation algorithm for geographically weighted regression
.png){kind=icon}
PRE
AI
DOI：10.1016/j.patcog.2025.111589.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究提出了一种基于数学规划的算法，用于地理加权回归中的变量子集集成选择与带宽估计，该方法是一种局部回归方法，允许核带宽和回归系数在研究区域内变化。与文献中的标准方法不同，后者基于不同标准为每个焦点点分别估计带宽和回归参数，本模型则采用单一目标函数，基于回归似然函数和方差建模，对所有焦点点进行回归和带宽参数的集成估计。所提出的模型进一步整合了一种选择单一独立变量子集以适用于所有焦点点的程序，而现有方法可能在各焦点点返回异质子集。随后，本研究提出一种交替方向法来求解非凸数学模型，并证明其收敛于部分最小值。计算实验表明，所提出的算法在提供具有稳定空间变化模式的竞争性解释能力的同时，具备选择最佳子集和考虑额外约束的能力。
Keyword:
(R) integer programming
Geographically weighted regression
Subset selection
Bandwidth estimation
Alternating optimization
Spatial pattern
期刊
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
暂无机构信息
引用论文
分享收藏A mathematical programming approach for integrated multiple linear regression subset selection and validation.png)
PATTERN RECOGNITION
OAAI
PATTERN RECOGNITIONIF7.6
OAAI分享收藏分享收藏分享收藏Geographically weighted regression: A method for exploring spatial nonstationarity地理加权回归: 一种探索空间非平稳性的方法OAAI
OAAI分享收藏
查看更多内容