期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
基于BOOSTRAP抽样的平行分析方法及其模拟研究 被引量:3
1
作者 田金方 陈珮珮 张小斐 《统计与决策》 CSSCI 北大核心 2012年第23期4-8,共5页
文章首先评述了六种成份选择方法的优缺点,然后基于BOOSTRAP抽样思想改进了Horn的平行分析方法,并利用随机模拟技术比较分析了改进方法的优越性。结果表明:BOOSTRAP平行分析关于样本容量和样本分布都是一致有效和稳定的,能够正确地辨识... 文章首先评述了六种成份选择方法的优缺点,然后基于BOOSTRAP抽样思想改进了Horn的平行分析方法,并利用随机模拟技术比较分析了改进方法的优越性。结果表明:BOOSTRAP平行分析关于样本容量和样本分布都是一致有效和稳定的,能够正确地辨识出需要提出的成份个数,而Horn的平行分析仅在大样本和正态分布情况下才能达到BOOSTRAP平行分析的效度。 展开更多
关键词 成份 平行分析 boostrap
在线阅读 下载PDF
基于噪声样本渐近修正的中医舌色分类方法
2
作者 孙亮亮 李艳萍 +1 位作者 张辉 卓力 《电子学报》 EI CAS CSCD 北大核心 2024年第5期1450-1459,共10页
基于深度学习的中医舌色分类模型具备良好的性能,但是依赖大量正确标注的样本.由于人工标注样本费时费力,不可避免地存在错误标注,导致模型在训练过程中对噪声样本过拟合,使其泛化能力变差.为此,本文提出了一种基于噪声样本渐近修正的... 基于深度学习的中医舌色分类模型具备良好的性能,但是依赖大量正确标注的样本.由于人工标注样本费时费力,不可避免地存在错误标注,导致模型在训练过程中对噪声样本过拟合,使其泛化能力变差.为此,本文提出了一种基于噪声样本渐近修正的中医舌色分类方法.首先,根据舌色分类的特点,提出了一种全局-局部特征融合方法,将其嵌入到ResNet18骨干网络中,构建了舌色分类网络,并采用集成学习范式,提高分类模型的可靠性和稳定性;其次,针对噪声样本下的舌色分类网络训练问题,提出了样本注意力机制和噪声样本标签重新标注机制,在训练过程中对干净样本和噪声样本加以区分,赋予不同的权重,并逐步对噪声样本标签进行修正;最后,采用Boostrapping损失函数降低模型对噪声样本的关注度,抑制噪声样本对分类性能的影响.将提出的方法在两个自建的舌色分类数据集上进行了实验验证,结果表明,该方法通过渐进地对噪声标签进行校正,可以获得比现有的有噪样本下图像分类方法更高的分类精度,Acc指标分别达到了94.6%和93.65%. 展开更多
关键词 中医舌色分类 噪声样本 样本注意力机制 重新标注机制 boostrapping损失
在线阅读 下载PDF
δ冲击模型中截尾数据的统计推断(英文) 被引量:9
3
作者 许之彦 李泽慧 《应用概率统计》 CSCD 北大核心 2004年第2期147-153,共7页
本文研究了δ-冲击模型中参数δ的统计推断问题,该模型具有参数为λ的Poisson冲击,系统在当两个连续的冲击时间间隔小于δ时失效,失效的时间记为T.首先,我们给出了在δ小于平均冲击间隔时间(即1/λ)的情况下,失效时间T的密度函数的性质... 本文研究了δ-冲击模型中参数δ的统计推断问题,该模型具有参数为λ的Poisson冲击,系统在当两个连续的冲击时间间隔小于δ时失效,失效的时间记为T.首先,我们给出了在δ小于平均冲击间隔时间(即1/λ)的情况下,失效时间T的密度函数的性质;然后我们给出了截尾数据的损失信息补偿的方法;借助Class-K方法,给出了δ的无偏、一致估计以和区间估计.最后,由Edgeworth展开和Boostrap方法,我们得到了δ的精确度更高的区间估计. 展开更多
关键词 δ-冲击模型 Class-K方法 截尾数据 Edgeworth展开和boostrap方法
在线阅读 下载PDF
常微分方程两步估计的方差估计
4
作者 卫泽林 赵恒 《统计与决策》 CSSCI 北大核心 2018年第22期82-85,共4页
基于数值分析的常微分方程参数估计方法计算量大,近年来提出的两步估计虽然计算量小,但参数估计的方差难以得到。有效的方差估计应建立在准确的参数估计的基础之上。文章针对基于光滑核函数的两步估计,从中选择最优窗宽,以优化参数估计... 基于数值分析的常微分方程参数估计方法计算量大,近年来提出的两步估计虽然计算量小,但参数估计的方差难以得到。有效的方差估计应建立在准确的参数估计的基础之上。文章针对基于光滑核函数的两步估计,从中选择最优窗宽,以优化参数估计,在准确的参数估计基础上,提出了用boostrap法估计由两步估计得到的参数的方差。最后利用模拟数据,选择出最优窗宽,并在此基础上验证了这种参数的方差估计方法是有效的。 展开更多
关键词 常微分方程 两步估计法 方差估计 boostrap
在线阅读 下载PDF
基于自助法的遗传编程泛化能力
5
作者 曹波 蒋宗礼 《计算机工程与设计》 北大核心 2017年第3期768-772,共5页
为提高遗传编程算法的泛化能力,提出基于自助法的遗传编程算法BGP。应用自助法从训练集生成自助数据集,计算训练集的训练误差和自助数据集的方差。设计融合训练误差和自助数据集方差的双层锦标赛选择策略,用于选择个体参与复制遗传算子... 为提高遗传编程算法的泛化能力,提出基于自助法的遗传编程算法BGP。应用自助法从训练集生成自助数据集,计算训练集的训练误差和自助数据集的方差。设计融合训练误差和自助数据集方差的双层锦标赛选择策略,用于选择个体参与复制遗传算子,提高算法的泛化能力。实验结果表明,应用自助法能有效提高遗传编程算法的泛化能力,没有充分的证据说明膨胀和泛化能力存在必然联系。 展开更多
关键词 泛化能力 遗传编程 自助法 膨胀 双层锦标赛
在线阅读 下载PDF
基于Weibull寿命模型对工业中可靠度指标进行Bayes估计
6
作者 李绍伟 桂文豪 《高校应用数学学报(A辑)》 CSCD 北大核心 2018年第4期397-413,共17页
主要研究了工业中可靠性指标R=P(Y <X)的参数估计问题,其中X和Y是具有相同尺度参数但不同形状参数的Weibull分布的独立随机变量,计算得到了R的极大似然估计和近似的极大似然估计.进一步根据上述结果计算得到了相应的渐近分布,并用它... 主要研究了工业中可靠性指标R=P(Y <X)的参数估计问题,其中X和Y是具有相同尺度参数但不同形状参数的Weibull分布的独立随机变量,计算得到了R的极大似然估计和近似的极大似然估计.进一步根据上述结果计算得到了相应的渐近分布,并用它来构造渐近的置信区间.同时考虑了非参数的Bootstrap置信区间.另外,提出了基于不同的Gibbs抽样方法的Bayes估计:Metropolis-Hastings和Adaptive Rejection Metropolis Sampling.最后,通过数值模拟和实际数据的分析来对比不同参数估计方法的性能. 展开更多
关键词 极大似然估计 近似极大似然估计 BAYES估计 MONTE CARLO模拟 Metropolis-Hasting METROPOLIS Sampling抽样
在线阅读 下载PDF
某些模型的MLE和BCa区间估计
7
作者 邓炜材 夏应存 《暨南大学学报(自然科学与医学版)》 CAS CSCD 1993年第3期10-16,共7页
BCa区间估计是Efron B近年提出的具有最高精度的,分布参数的区间估计方法,它适合于广泛的分布类型。对异方差线性模型及AR模型的有关MLE及BCa区间作了必要的理论推演及具体的模拟计算,并对Var β^((L))的MLE及加权刀切估计作出模拟的比较。
关键词 线性模型 极大似然估计 区间估计
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部