-
题名缺失数据过程的自适应多元EWMA控制图
- 1
-
-
作者
濮晓龙
项冬冬
陈昕妍
-
机构
华东师范大学统计学院
-
出处
《应用概率统计》
CSCD
北大核心
2024年第2期343-363,共21页
-
文摘
随着生产过程的日益复杂,多元统计过程控制(SPC)领域对在线算法的关注与日俱增.然而,基于完整数据和均匀时间间隔假设的传统方法在存在缺失数据时表现并不理想.为了最大化利用可用信息,我们提出了一种自适应指数加权移动平均(EWMA)控制图,它采用了加权插补方法,能够充分利用完整数据和不完整数据之间的关系.具体而言,我们首先引入了两种恢复方法:改进的K近邻方法和传统的单变量EWMA方法.然后,我们构造了一个自适应加权函数来结合这两种方法,即当样本信息表明过程超出控制的可能性增加时,会降低EWMA统计量的权重,反之亦然.通过模拟结果和一个实际案例,我们证明了所提出方案的稳健性和敏感性.
-
关键词
在线监控
完全随机缺失
加权插补
指数加权移动平均
改进的K近邻
-
Keywords
online monitoring
completely random missing
weighted imputing values
EWMA
improved K-nearest neighbors
-
分类号
O213.1
[理学—概率论与数理统计]
-
-
题名四种机器学习算法预测大豆蛋白质定位对比研究
被引量：1
- 2
-
-
作者
李佳楠
高兴泉
李卓
滕小华
黄斌
张继成
唐友
-
机构
吉林农业科技学院电气与信息工程学院
吉林化工学院信息与控制工程学院
东北农业大学电气与信息工程学院
-
出处
《大豆科学》
CAS
CSCD
北大核心
2022年第3期337-344,共8页
-
基金
吉林省特色高水平学科新兴交叉学科“数字农业”(2018)
吉林省智慧农业工程研究中心项目(2016)
国家自然科学基金(31801441)。
-
文摘
为探索不同缺失程度大豆蛋白质亚细胞定位预测的有效方法,提升大豆蛋白质亚细胞定位预测能力,本研究以1万条已知亚细胞定位位置的大豆蛋白质序列数据为研究对象,进行5%、10%、15%、20%和30%不同缺失比例完全随机缺失,分别运用SVM算法、朴素贝叶斯算法和随机森林算法和决策树4种机器学习算法预测缺失序列的亚细胞位置,对原始位置和预测后的位置进行相关性分析,对比分析不同算法的准确性和性能。结果显示:随机森林算法预测的准确率最高;朴素贝叶斯算法的运行速度最快;朴素贝叶斯算法的运行内存最小。在不考虑运行时间和运行内存因素,且对预测的准确率要求较高的情况下,随机森林算法的预测效果要优于另外3种算法;同种情况下,若对运行内存要求较高时,可优先考虑朴素贝叶斯算法。结果说明不同机器学习方法在不同缺失程度的预测需求下的适用性,可应用于大豆蛋白质数据的定位预测。
-
关键词
支持向量机算法
朴素贝叶斯算法
决策树算法
随机森林算法
大豆蛋白质
完全随机缺失
序列位置预测
-
Keywords
Support Vector Machines algorithm
Naive Bayesian algorithm
Decision Tree algorithm
Random Forest algorithm
soybean protein
completely random missing
sequence position prediction
-
分类号
S565.1
[农业科学—作物学]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名分数填补下两总体分位数差异的半经验似然推断
- 3
-
-
作者
张正家
秦永松
-
机构
广西师范大学数学科学学院
桂林空军学院
-
出处
《高校应用数学学报（A辑）》
CSCD
北大核心
2009年第4期391-400,共10页
-
基金
国家自然科学基金(10661003)
广西自然科学基金(0728092)
教育部留学回国人员科研启动基金([2004]527)
-
文摘
在完全随机缺失机制情形,利用分数填补法填补缺失值,然后用经验似然方法构造两总体分位数差异的半经验似然比统计量,证明其渐近服从加权x^2分布并构造了相应的半经验似然置信区间。
-
关键词
完全随机缺失
分数填补法
经验似然
分位数差异
置信区间
-
Keywords
missing completely at random
fractional imputation
empirical likelihood
quantile difference
confidence interval
-
分类号
O212.7
[理学—概率论与数理统计]
-
