hrcak mascot   Srce   HID

Izvorni znanstveni članak
https://doi.org/10.17559/TV-20160525104127

Regresijsko modeliranje zasnovano na poboljšanom genetičkom algoritmu

Shi Minghua ; Business school, University of Shanghai for Science and Technology, No. 334 Jungong Road, 200093, Shanghai, China
Xiao Qingxian ; Business school, University of Shanghai for Science and Technology, No. 334 Jungong Road, 200093, Shanghai, China
Zhou Benda ; College of Finance and Mathematics & Financial Risk Intelligent Control and Prevention Institute, West Anhui University, No. 1 Yunluqiao West Road, 237012, Lu’an, China
Yang Feng ; Business school, University of Shanghai for Science and Technology, No. 334 Jungong Road, 200093, Shanghai, China

Puni tekst: hrvatski, pdf (782 KB) str. 63-70 preuzimanja: 156* citiraj
APA 6th Edition
Minghua, S., Qingxian, X., Benda, Z. i Feng, Y. (2017). Regresijsko modeliranje zasnovano na poboljšanom genetičkom algoritmu. Tehnički vjesnik, 24 (1), 63-70. https://doi.org/10.17559/TV-20160525104127
MLA 8th Edition
Minghua, Shi, et al. "Regresijsko modeliranje zasnovano na poboljšanom genetičkom algoritmu." Tehnički vjesnik, vol. 24, br. 1, 2017, str. 63-70. https://doi.org/10.17559/TV-20160525104127. Citirano 19.10.2019.
Chicago 17th Edition
Minghua, Shi, Xiao Qingxian, Zhou Benda i Yang Feng. "Regresijsko modeliranje zasnovano na poboljšanom genetičkom algoritmu." Tehnički vjesnik 24, br. 1 (2017): 63-70. https://doi.org/10.17559/TV-20160525104127
Harvard
Minghua, S., et al. (2017). 'Regresijsko modeliranje zasnovano na poboljšanom genetičkom algoritmu', Tehnički vjesnik, 24(1), str. 63-70. https://doi.org/10.17559/TV-20160525104127
Vancouver
Minghua S, Qingxian X, Benda Z, Feng Y. Regresijsko modeliranje zasnovano na poboljšanom genetičkom algoritmu. Tehnički vjesnik [Internet]. 2017 [pristupljeno 19.10.2019.];24(1):63-70. https://doi.org/10.17559/TV-20160525104127
IEEE
S. Minghua, X. Qingxian, Z. Benda i Y. Feng, "Regresijsko modeliranje zasnovano na poboljšanom genetičkom algoritmu", Tehnički vjesnik, vol.24, br. 1, str. 63-70, 2017. [Online]. https://doi.org/10.17559/TV-20160525104127
Puni tekst: engleski, pdf (782 KB) str. 63-70 preuzimanja: 805* citiraj
APA 6th Edition
Minghua, S., Qingxian, X., Benda, Z. i Feng, Y. (2017). Regression modeling based on improved genetic algorithm. Tehnički vjesnik, 24 (1), 63-70. https://doi.org/10.17559/TV-20160525104127
MLA 8th Edition
Minghua, Shi, et al. "Regression modeling based on improved genetic algorithm." Tehnički vjesnik, vol. 24, br. 1, 2017, str. 63-70. https://doi.org/10.17559/TV-20160525104127. Citirano 19.10.2019.
Chicago 17th Edition
Minghua, Shi, Xiao Qingxian, Zhou Benda i Yang Feng. "Regression modeling based on improved genetic algorithm." Tehnički vjesnik 24, br. 1 (2017): 63-70. https://doi.org/10.17559/TV-20160525104127
Harvard
Minghua, S., et al. (2017). 'Regression modeling based on improved genetic algorithm', Tehnički vjesnik, 24(1), str. 63-70. https://doi.org/10.17559/TV-20160525104127
Vancouver
Minghua S, Qingxian X, Benda Z, Feng Y. Regression modeling based on improved genetic algorithm. Tehnički vjesnik [Internet]. 2017 [pristupljeno 19.10.2019.];24(1):63-70. https://doi.org/10.17559/TV-20160525104127
IEEE
S. Minghua, X. Qingxian, Z. Benda i Y. Feng, "Regression modeling based on improved genetic algorithm", Tehnički vjesnik, vol.24, br. 1, str. 63-70, 2017. [Online]. https://doi.org/10.17559/TV-20160525104127

Sažetak
Regresijski model je dobro uhodana metoda u analizi podataka s primjenom u raznim područjima. Izbor nezavisnih varijabli i matematički transformiranih u regresijski model, često predstavlja izazovan problem. Nedavno je nekoliko znanstvenika primijenilo evolucijski proračun za rješenje tog problema, ali rezultat nije učinkovit onoliko koliko smo željeli. Ukrižena (crossover) operacija u GA redizajnirana je primjenom Latin hypercube uzorkovanja, a zatim, kombinacijom dvaju uobičajeno korištenih statističkih kriterija (AIC, BIC), dajemo poboljšani genetički algoritam za rješavanje problema izbora statističkog modela. Predloženim se algoritmom može prevladati jaka ovisnost o putanji i osloniti na iskustvo stečeno primjenom klasičnih pristupa. Usporedba rezultata simulacije u rješavanju problema odabira statističkog modela s ovim poboljšanim GA, tradicionalnog genetičkog algoritma i klasičnog algoritma za odabir modela pokazuje da je novi GA superiorniji u rješavanju kvalitete, brzine konvergencije i drugih različitih pokazatelja.

Ključne riječi
genetički algoritam; Latin hypercube uzorkovanje; odabir regresijskog modela; regresijska analiza

Hrčak ID: 174701

URI
https://hrcak.srce.hr/174701

[engleski]

Posjeta: 1.195 *