期刊文献+
共找到9篇文章
< 1 >
每页显示 20 50 100
单臂试验连续型数据的贝叶斯Meta分析方法及实现 被引量:4
1
作者 张天嵩 《中国循证儿科杂志》 CSCD 北大核心 2019年第3期212-216,共5页
目的:介绍单臂试验连续型数据的Meta分析模型、贝叶斯方法及实现。方法:阐述正态-正态层次模型,基于该模型框架,以贝叶斯方法拟合随机效应模型,对效应参数μ和异质性参数τ分别选择不同的先验,使用R软件的bayesmeta包对两个文献数据重... 目的:介绍单臂试验连续型数据的Meta分析模型、贝叶斯方法及实现。方法:阐述正态-正态层次模型,基于该模型框架,以贝叶斯方法拟合随机效应模型,对效应参数μ和异质性参数τ分别选择不同的先验,使用R软件的bayesmeta包对两个文献数据重新分析。结果:在正态-正态层次模型框架下,基于不同的先验信息,贝叶斯Meta分析结果为:数据1参数μ的点估计及95%CI分别为-4.26(-6.97,-1.92)和-4.50(-9.27,-0.53),参数τ点估计及95%CI分别为1.51(0.41,2.75)和2.28(0.00,6.57);数据2参数μ的点估计及95%CI分别为-4.07(-5.54,-2.71)和-4.12(-5.96,-2.46),参数τ点估计及95%CI分别为1.54(0.78,2.48)和1.81(0.74,3.51)。结论:不同的先验可能影响参数估计值。基于NNHM框架下的贝叶斯方法适用于单臂试验连续型数据的Meta分析。Bayesmeta包以其简单、快速、准确、可重量性算法等可以用于实现贝叶斯随机效应模型Meta分析。 展开更多
关键词 单臂试验 连续型数据 META分析 正态-正态层次模型 贝叶斯方法 bayesmeta包
在线阅读 下载PDF
计数-连续型数据的联合建模及其应用
2
作者 张永霞 田茂再 《统计与决策》 CSSCI 北大核心 2022年第13期46-51,共6页
文章对于具有相依性的计数-连续型数据的联合建模进行研究,并将其应用于澳大利亚的某车险数据进行实证分析,对计数型数据建立泊松模型,对连续型数据建立广义Log-Moyal分布,并引入二元随机效应以体现计数型数据和连续型数据之间的相依性... 文章对于具有相依性的计数-连续型数据的联合建模进行研究,并将其应用于澳大利亚的某车险数据进行实证分析,对计数型数据建立泊松模型,对连续型数据建立广义Log-Moyal分布,并引入二元随机效应以体现计数型数据和连续型数据之间的相依性,其中随机效应的分布密度函数主要参考广义拉盖尔展开式提出新的密度函数,其简单便于理解应用。通过实证分析发现所提方法比现有文献中的方法更优。 展开更多
关键词 计数-连续型数据 联合建模 随机效应 广义拉盖尔展开式 保费厘定
在线阅读 下载PDF
含有周期性的时间序列中连续型缺失数据的填补方法 被引量:3
3
作者 张熙 李济宾 张晋昕 《中国卫生统计》 CSCD 北大核心 2012年第3期318-320,324,共4页
目的用模拟研究的方法,对含周期性的时间序列数据中的连续型缺失数据进行填补,比较基于周期信息的时间序列缺失值填补法(简称周期性填补法)和spline插值填补法对连续型缺失数据的填补效果。方法分别应用模拟时间序列数据和实际时间序列... 目的用模拟研究的方法,对含周期性的时间序列数据中的连续型缺失数据进行填补,比较基于周期信息的时间序列缺失值填补法(简称周期性填补法)和spline插值填补法对连续型缺失数据的填补效果。方法分别应用模拟时间序列数据和实际时间序列数据模拟连续型缺失,比较两种方法在不同连续缺失个数下的缺失值填补效果。采用NRMSE和RMSE量化填补的误差。结果除连续型缺失长度为10和平,随着连续缺失个数的增加,周期性填补法的填补误均小于spline插值填补法。周期性填补方法的填补误差在5~30的连续缺失范围内无明显波动,始终保持在一个较低的水平;而spline填补值的误差随着缺失个数的增加明显增高。结论对于含有确切周期性的时间序列,周期性填补方法对连续型缺失数据的填补效果相对于spline填补更好,填补误差稳定,并且不随连续缺失长度的增加而有较大的变化。 展开更多
关键词 时间序列 连续型缺失数据 周期性填补 spline填补法
在线阅读 下载PDF
连续型光谱数据的处理及信息提取试验 被引量:1
4
作者 沈掌泉 王人潮 《浙江大学学报(农业与生命科学版)》 CAS CSCD 1993年第S1期85-90,共6页
应用切比雪夫多项式和傅立叶级数,对连续型光谱数据进行了数据压缩和信息提取的试验,证明切比雪夫多项式和傅立叶级数均能有效地压缩光谱数据和提取光谱信息。
关键词 数据压缩 信息提取 连续型光谱数据 切比雪夫多项式 傅立叶级数
全文增补中
WilsonTh数据剪辑在邻域粗糙协同分类中的应用 被引量:2
5
作者 张维 苗夺谦 李峰 《计算机科学与探索》 CSCD 2014年第9期1092-1100,共9页
邻域粗糙协同分类模型结合了邻域粗糙集和协同学习理论,可以处理连续型数据,并可有效利用无标记数据提高分类的性能。但在学习过程中,无标记数据常被错误地标记,从而给训练集引入噪声数据,并导致分类性能不稳定。针对该问题,探讨了Wilso... 邻域粗糙协同分类模型结合了邻域粗糙集和协同学习理论,可以处理连续型数据,并可有效利用无标记数据提高分类的性能。但在学习过程中,无标记数据常被错误地标记,从而给训练集引入噪声数据,并导致分类性能不稳定。针对该问题,探讨了WilsonTh数据剪辑在邻域粗糙协同分类模型中的应用。在每一次迭代学习过程中,分类器给无标记数据加上类别标记后,应用WilsonTh数据剪辑选出最大可能标记正确的样本加入训练集,分类器在扩大的训练集上再训练以获得更好的性能。UCI数据集上实验结果表明,WilsonTh数据剪辑能有效地提高加入训练集的数据质量,从而增强邻域粗糙协同分类的性能。 展开更多
关键词 WilsonTh数据剪辑 邻域粗糙集 邻域互信息 协同学习 连续型数据
在线阅读 下载PDF
基于可区分度的连续空间属性约简算法研究 被引量:2
6
作者 张敏 朱启兵 黄敏 《计算机应用研究》 CSCD 北大核心 2022年第4期1013-1018,共6页
针对现有粗糙集属性约简方法中存在的连续数据处理时的信息丢失、粒化策略引入不一致信息、参数寻优困难等问题,提出一种适用于连续型数据、基于类别可区分度的非单调性启发式属性约简算法。首先以各样本的标签为依据对论域进行划分,同... 针对现有粗糙集属性约简方法中存在的连续数据处理时的信息丢失、粒化策略引入不一致信息、参数寻优困难等问题,提出一种适用于连续型数据、基于类别可区分度的非单调性启发式属性约简算法。首先以各样本的标签为依据对论域进行划分,同一标签的样本组合成一个簇,定义每个簇的类间可区分度和类内可区分度;其次,以最大化类间可区分度、最小化类内可区分度为约简原则,定义了一种新的属性重要性判别准则以确定最优约简集,从而提高后续分类器的分类性能。在十一个UCI数据集上与其他六种属性约简算法进行对比实验。结果表明,与六种算法相比,所提算法获得的约简集平均维度减小了1.16,平均分类精度提高了3.42%,其表现出更好的约简性能。 展开更多
关键词 属性约简 粗糙集 可区分度 分类性能 连续型数据
在线阅读 下载PDF
邻域粗糙协同分类模型 被引量:12
7
作者 张维 苗夺谦 +1 位作者 高灿 岳晓冬 《计算机研究与发展》 EI CSCD 北大核心 2014年第8期1811-1820,共10页
Pawlak粗糙集理论是一种有监督学习模型,只适合处理离散型数据.但在一些现实问题中存在着大量的连续型数据,并且有标记数据很有限,更多的是无标记数据.结合邻域粗糙集和协同学习理论,提出了适合处理连续型数据并可有效利用无标记数据提... Pawlak粗糙集理论是一种有监督学习模型,只适合处理离散型数据.但在一些现实问题中存在着大量的连续型数据,并且有标记数据很有限,更多的是无标记数据.结合邻域粗糙集和协同学习理论,提出了适合处理连续型数据并可有效利用无标记数据提升分类性能的邻域粗糙协同分类模型.该模型首先构建了邻域粗糙半监督约简算法,并利用该算法提取两个差异性较大的约简构造基分类器,然后迭代地在无标记数据上交互协同学习.UCI数据集实验对比分析表明,与其他同类模型相比,该模型有较好的性能. 展开更多
关键词 邻域粗糙集 邻域互信息 半监督约简 协同学习 连续型数据
在线阅读 下载PDF
从新模型视角探讨认知诊断的发展趋势 被引量:8
8
作者 郭磊 苑春永 边玉芳 《心理科学进展》 CSSCI CSCD 北大核心 2013年第12期2256-2264,共9页
认知诊断理论是认知心理学与心理测量学的联姻,至今已有50多年的发展历史。其中对诊断模型的开发是该理论的研究核心之一。本文首先指出了目前应用较为广泛的认知诊断模型在拟合个体认知加工过程、数据处理方式、能够处理的数据类型及... 认知诊断理论是认知心理学与心理测量学的联姻,至今已有50多年的发展历史。其中对诊断模型的开发是该理论的研究核心之一。本文首先指出了目前应用较为广泛的认知诊断模型在拟合个体认知加工过程、数据处理方式、能够处理的数据类型及使用同一诊断模型对整份试卷进行估计等四方面存在的不足,然后详细地介绍了为弥补这些不足而提出的认知诊断新模型及其理论思想背景与模型特征,包括多项选择诊断模型、多策略诊断模型、连续型数据的诊断模型及对数线性诊断模型。最后基于新模型提出的视角和观点,总结当前认知诊断的发展趋势,给认知诊断研究者及应用者以启发和借鉴。 展开更多
关键词 认知诊断 多项选择诊断模型 多策略诊断模型 连续型数据诊断模型 对数线性诊断模型
在线阅读 下载PDF
基于属性关联的朴素贝叶斯分类算法 被引量:16
9
作者 宁可 孙同晶 赵浩强 《计算机工程》 CAS CSCD 北大核心 2018年第6期18-23,共6页
针对传统朴素贝叶斯分类算法处理多维连续型数据时准确率较低的问题,提出基于属性关联的改进算法。通过高斯分割对属性类别不同的多维连续型数据集进行离散化处理,并使用拉普拉斯校准、属性关联和属性加权方法改进朴素贝叶斯分类过程。... 针对传统朴素贝叶斯分类算法处理多维连续型数据时准确率较低的问题,提出基于属性关联的改进算法。通过高斯分割对属性类别不同的多维连续型数据集进行离散化处理,并使用拉普拉斯校准、属性关联和属性加权方法改进朴素贝叶斯分类过程。实验结果表明,与基于拉普拉斯校准或属性加权的改进算法相比,该算法能够提高分类准确率,且提升幅度在一定范围内随着属性数量的增加而增加,适用于多维连续型数据的分类。 展开更多
关键词 连续型数据 数据分类 关联规则 朴素贝叶斯分类算法 属性加权
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部