题名 分块抽样法
被引量：1
1
作者
杜强 许端端
出处
《统计研究》
1986年第2期60-63,共4页
文摘
分块抽样法就是根据全及总体的已往资料等辅助信息,先将全及总体按有关的品质标志或(能反映质量差异的)数量标志进行分层,然后,按主要的(与研究指标直接有关的)数量标志进行分块,即根据所研究的指标,对各层的单位按其标志值的高低进行排队,从而合理地确定分块的数量界限,将全及总体划分为内部性质十分相近的若干块,使块内各单位标志值之间差异减少。
关键词
分块抽样 全及总体 数量标志 层内方差 分层抽样 法 样本比例 块间 品质标志 总方差 配时
分类号
C8
[社会学—统计学]
题名 震害预测中抽样方法的研究
被引量：3
2
作者
杨亚弟 杜景林 李桂荣
机构
中国地震局工程力学研究所
出处
《地震工程与工程振动》
CSCD
北大核心
1999年第1期76-80,共5页
基金
中国地震局"九五"重点项目"大中城市防震减灾示范研究"!95-06-02
文摘
本文阐述了在震害预测中采用分块抽样方法的一般原理，对于确定抽样样本总额的方法和样本总额在分块抽样中的理想分配进行了讨论。文中以乌鲁木齐市钢筋混凝土房屋的震害预测为对象，说明了分块抽样法的实际应用及其对于随机抽样法的优越性。文中对采用逐栋调查和分块抽样调查所得到的震害预测结果进行了对比，论证了这一抽样方法的可行性。
关键词
分块抽样 震害预测 样本总额 样本分配 地震灾害
Keywords
Group sampling assessment, seismic damage prediction, Grand total of samples,Ideal distribution of samples
分类号
P315.9
[天文地球—地震学]
题名 分块自适应加权改进大规模模糊聚类
被引量：2
3
作者
田彦彦 孙静
机构
郑州工业应用技术学院机电工程学院 吉林大学软件学院
出处
《机械设计与制造》
北大核心
2021年第9期279-282,共4页
基金
河南省科技攻关项目(152102210353)。
文摘
为解决传统模糊C均值聚类(Fuzzy C-means,FCM)算法在处理大规模数据集时遇到的时间复杂和内存不足等瓶颈,提出基于大数据集抽样分块的多视角自适应模糊聚类算法,算法通过邻域正则约束提高传统FCM算法的抗噪性,通过低秩与熵加权约束提高多视角一致性,以提高算法对多样化数据聚类的适应性,最后通过Canopy算法初始聚类中心提取、数据抽样分块和自适应加权优化算法对大规模数据聚类的适应性。实验结果表明,算法在继承传统多视角FCM算法良好聚类性能基础上,减少了计算复杂度,提高了聚类准确率,适于大规模数据集聚类。
关键词
大规模数据聚类 邻域正则约束 多视角一致 数据抽样 分块 自适应加权聚类
Keywords
Large-Scale Data Sets Clustering Neighborhood Regular Constraint Multi-View Consistency Data Sampling Block Adaptive Weighted Clustering
分类号
TH16
[机械工程—机械制造及自动化]
TP181
[自动化与计算机技术—控制理论与控制工程]
题名 隐马尔可夫因子分析模型的半参数贝叶斯分析
被引量：7
4
作者
夏业茂 勾建伟 刘应安
机构
南京林业大学理学院
出处
《高校应用数学学报（A辑）》
CSCD
北大核心
2015年第1期17-30,共14页
基金
国家自然科学基金(11471161) 南京林业大学高学历人才项目(163101004) 南京市科技创新择优资助项目(013101001)
文摘
因子模型在刻画潜在因素(因子)与观测变量间的影响关系并进而解释多元观测指标(变量)间的相关性方面具有重要作用.在实际应用中,观测数据往往呈现出时序变异多峰,偏态等特性.将经典的因子分析延伸到带有时齐隐马尔可夫模型的动力因子模型,并建立了半参数贝叶斯分析程序.分块GIBBS抽样器用以后验抽样.经验结果展示所建立的统计程序是有效的.
关键词
隐马尔可夫模型 因子分析模型 半参数贝叶斯 分块 GIBBS抽样 器
Keywords
hidden Markov model factor analysis model Bayesian semiparametric analysis blocked Gibbs sampler
分类号
O212.8
[理学—概率论与数理统计]
O212.4
[理学—概率论与数理统计]
题名 实证因子模型的贝叶斯半参数分析和模型比较（英文）
被引量：2
5
作者
夏业茂 刘应安
机构
南京林业大学应用数学系
出处
《应用概率统计》
CSCD
北大核心
2016年第2期157-183,共27页
基金
supported by the National Natural Science Foundation of China(11471161) the Nanjing Forestry University Grant(163101004) the Nanjing Science and Technology Innovation Item(013101001)
文摘
为了解决多元数据的异质性,对因子分析模型建立了贝叶斯半参数程序.方法依赖于有限混合分布空间上先验分布的使用.分块吉布斯抽样器用以进行后验分析.L_v测度和贝叶斯因子给出模型比较.基于广义加权中国餐馆算法,给出了半参数模型下数据似然的计算.经验结果显示了方法的有效性.
关键词
因子分析模型 有限维Drichlet过程先验 分块 吉布斯抽样 器模型比较
Keywords
confirmatory factor model finite dimensional Dirichlet prcocess prior blocked Gibbs sampler model comparison
分类号
O212.8
[理学—概率论与数理统计]
O212.4
[理学—概率论与数理统计]
