-
题名因子混合模型:潜在类别分析与因子分析的整合
被引量：27
- 1
-
-
作者
陈宇帅
温忠麟
顾红磊
-
机构
华南师范大学心理应用研究中心/心理学院
-
出处
《心理科学进展》
CSSCI
CSCD
北大核心
2015年第3期529-538,共10页
-
基金
国家自然科学基金项目(31271116
31400909)资助
-
文摘
因子混合模型(FMM)是考虑了群体潜在异质性后的因子分析模型,它将潜在类别分析(LCA)与传统的因子分析(FA)整合在同一框架内,既保留了两种分析技术的优点,同时又展现出独特优势。FMM的应用主要包括描述变量的潜在结构、对被试进行分组以及探测社会称许偏差等。我们建议分别采用FA、LCA与FMM三种模型拟合数据,参考拟合指数和模型可解释性选择最优模型。总结了FMM的分析步骤以及软件使用,并用于探讨大学生社会面子意识的测量模型。未来研究应关注FMM分析过程的简化,继续深化对拟合指数等方面的探讨。
-
关键词
因子混合模型
潜在类别分析
因子分析
-
Keywords
factor mixture model
latent class analysis
factor analysis
-
分类号
B841
[哲学宗教—基础心理学]
-
-
题名基于Elman网络的地面太阳总辐射估算方法
被引量：2
- 2
-
-
作者
黄岩
毕坤
-
机构
南京信息工程大学应用气象学院
南京信息工程大学大气科学学院
-
出处
《安徽农业科学》
CAS
北大核心
2011年第8期4700-4702,4786,共4页
-
文摘
通过建立地面太阳总辐射的Elman网络估算模型,利用北京市1971～1995年的气象数据训练网络,并对1996～2000年的数据进行估算。对比分析结果表明,基于Elman网络的地面太阳总辐射估算方法具有较高的精度。
-
关键词
ELMAN网络
太阳辐射
线性回归
混合因子模型
-
Keywords
Elman neural network
Solar radiation
Linear regression
Blend factors model
-
分类号
S161.1
[农业科学—农业气象学]
-
-
题名MMCE算法在FAGMM中的应用
- 3
-
-
作者
吴延渠
曾以成
蒋阳波
-
机构
湘潭大学光电工程系
-
出处
《声学技术》
CSCD
2010年第1期83-86,共4页
-
基金
湖南省自然科学基金(08JJ5031)
-
文摘
提高说话人模型的识别性能一直是语音识别领域的一个重要课题。因子分析高斯混合模型(FAGMM)是因子分析方法与高斯混合模型(GMM)结合而成的多维概率统计模型,能更好地表征语音特征矢量的相关性,然而模型参数过多导致不能实现很好的分类。把改进的最小分类错误(MMCE)算法应用于该模型,形成一种新的FAGMM+MMCE模型,能解决前述问题,而且克服了传统的最小分类错误(MCE)算法在系统训练时不灵活、训练速度慢的缺点。实验结果表明,在30个说话人的识别应用中,本模型的识别率随着高斯混合数的增加而提高,较传统的MCE算法,识别率平均提高了3%,训练时间也平均节省了20%,说明该方法是有效的。
-
关键词
因子分析高斯混合模型(FAGMM)
改进的最小分类错误(MMCE)算法
FAGMM+MMCE模型
-
Keywords
factor analyzed Gaussian mixture model（FAGMM）
modified minimum classification error （MMCE） algorithm
FAGMM＋MMCE model
-
分类号
TN912.34
[电子电信—通信与信息系统]
-
