期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
集群数据下因子分析模型的贝叶斯统计推断
1
作者 陈博文 李亚磊 李兴平 《统计与决策》 北大核心 2025年第13期63-69,共7页
针对集群数据子群内部相关性不可忽略的问题,文章基于贝叶斯框架研究集群数据因子分析模型的统计推断及异常子群识别,构建因子分析模型刻画变量之间的关联关系,并提出集群数据嵌套结构的处理方法。具体来说:先采用MCMC算法结合Gibbs抽... 针对集群数据子群内部相关性不可忽略的问题,文章基于贝叶斯框架研究集群数据因子分析模型的统计推断及异常子群识别,构建因子分析模型刻画变量之间的关联关系,并提出集群数据嵌套结构的处理方法。具体来说:先采用MCMC算法结合Gibbs抽样对模型参数进行贝叶斯估计,通过均值遍历图验证马尔可夫链的收敛性;再利用贝叶斯数据删除模型,以Cook后验均值距离为诊断统计量,识别异常子群。研究结果表明:(1)考虑子群内部相关性的模型在AIC和BIC准则下均显著优于忽略内部关联的模型。(2)Gibbs抽样参数估计偏差与均方根误差均较小,特别是随着子群个数的增加,参数估计的效果越来越好,验证了所提方法的有效性。(3)Cook后验均值距离诊断统计量成功识别出模拟研究和实例分析中的第17个州为异常子群。删除异常州后的分析结果表明,不同参数下子群之间的掩盖效应存在差异:当公共因子为感兴趣参数时,各州的Cook后验均值距离变化较大,可以判断各州之间不存在掩盖效应;当载荷矩阵为感兴趣参数时,仅第16个州的Cook后验均值距离变化较大,说明各州之间可能存在掩盖效应。 展开更多
关键词 集群数据 因子分析模型 MCMC方法 影响诊断 贝叶斯数据删除模型
在线阅读 下载PDF
基于改进Resnet18网络的火灾图像识别 被引量:3
2
作者 陈跨越 王保云 《河南师范大学学报(自然科学版)》 CAS 北大核心 2024年第4期101-110,I0013,I0014,共12页
针对传统卷积神经网络进行火灾图像识别时,准确率不高、特征难以提取、网络的平移不变性较弱等问题,对Resnet18网络进行改进,使其具有更高的性能和准确性.首先,在Resnet18网络的卷积层前插入空间变换网络(spatial transform networks,ST... 针对传统卷积神经网络进行火灾图像识别时,准确率不高、特征难以提取、网络的平移不变性较弱等问题,对Resnet18网络进行改进,使其具有更高的性能和准确性.首先,在Resnet18网络的卷积层前插入空间变换网络(spatial transform networks,STN).对于连续多个相同大小的卷积层,只在第一个卷积层前添加STN,共添加5个,并且在全连接层后添加dropout层防止过拟合.然后,使用迁移学习(transfer learning,TL)的方法对火灾进行分类识别.实验结果表明,改进后的Resnet18网络准确率、召回率、F_(1)值和AUC值等各项指标性能优于Resnet18网络和其他深度学习识别算法,能够对火灾图像进行快速、准确地识别. 展开更多
关键词 火灾检测 卷积神经网络 空间变换网络 Resnet18 HSI色彩模型 迁移学习
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部