基于GEMS算法的潜变量高斯图模型结构学习

考虑了潜变量高斯图模型下的结构学习(模型选择)问题,即存在潜变量时可观测变量间相互关系的估计问题.简要介绍了高斯图模型及潜变量高斯图模型下的LVglasso方法,给出了GEMS(广义期望模型选择)算法结合LVglasso下潜变量图模型选择的算法步骤.通过模拟,发现GEMS结合LVglasso方法在模型选择速度上比EM(...     

删失数据非线性回归模型的广义M估计

加速失效模型(AFT模型)是研究失效时间和协变量间相互关系的一类重要模型.在标准的AFT模型中,假设对数变换后的生存时间与协变量间是线性关系,本文将线性关系扩展到非线性,在广义M估计的目标函数中使用Kaplan-Meier权,提出右删失数据非线性回归模型的加权广义M估计.我们还得到了广义M估计的渐近性和相合性,并且通过模拟研究验证了该方法在有限样本情形下估计效果良好.     

曲线估计方法应用

曲线估计方法是对2个相关变量函数关系的研究.当变量之间有显著线性关系时,可以用线性回归分析建立线性回归方程,但当变量之间有明显曲线关系时,可以采用曲线估计方法来建立变量间的模型,通过具体实例说明曲线估计方法的应用.     

基于Jackknife互信息的高维非线性回归模型研究

确定独立筛选(SIS)方法在处理超高维稀疏线性回归模型的变量选择问题上已得到了广泛的应用,且已被推广到处理广义线性回归模型的变量选择问题.但SIS不能很好地解决非线性回归模型的变量选择问题,关于该问题的现有研究也较少,因此,如何有效地对超高维稀疏非线性回归模型进行变量选择是一个具有研究价值的问题.本文在经典的SIS方法...     

单纯形分布广义线性模型的贝叶斯变量选择

应用Gibbs抽样和MH算法研究单纯形分布广义线性模型的贝叶斯变量选择问题.定义了包含模型不确定性的单纯形分布广义线性模型,在该模型框架下描述了能有效识别预测变量的变量选择方法.最后用数值例子说明了该方法的有效性.     

部分线性模型的adaptive group lasso变量选择

对部分线性模型的aglasso(adaptive group lasso)参数估计及变量选择问题进行研究.通过构造aglasso的估计函数,将分组部分线性模型变量的选择问题转化为分组因子的选择问题.理论研究表明:该方法能相合地识别真实模型,并且估计具有oracle性质.最后通过模拟研究了所提方法的有限样本性质.     

一种基于三次曲线关系变量间的偏相关分析

在统计学相关分析中,偏相关分析常用来研究多个变量中某2个变量之间的线性相关性,而实际问题中变量之间的关系并非都是线性的.通过构造变量Z与变量X、Y的三次非线性模型,从理论推导和模拟分析两方面证实了变量之间呈现三次的非线性关系时,偏相关不等价于条件相关,而剔除所有其他相关成分的影响后的偏相关与条件相关是等价的.最后利用非线性回归理论证实了该模型的优越性.     

基于动态逆的直升机多变量鲁棒控制

针对UH-60黑鹰直升机悬停和低速飞行时轴间强耦合现象、难以获得飞行速度精确测量值以及动态逆的鲁棒性问题,在以速度为参数的增益调度线性动态逆控制器基础上进行改进,将表征空气动力学参数、质量特性和工作点摄动的有界不确定性被包含在具有物理意义的线性分式变化(LFT)模型中,进而与多变量鲁棒综合/分析相结合.针对鲁棒综合设计中遇到的问题,如控制器结构、加权函数和对象不确定性类型的选择进行了研究.非线性仿真和鲁棒分析结果表明:鲁棒动态逆控制系统具备良好跟踪和解耦效果,满足鲁棒稳定性要求,并且其鲁棒性能远优于传统动态逆.     

广义线性模型基于SCAD和MCP的组变量选择方法研究

组变量出现在许多统计建模问题中,如回归模型中的多水平分类变量可以由一组哑变量表示.Group MCP和Group SCAD因具有Oracle性质被广泛使用.该文将这两种方法应用于广义线性模型,分别在Logistic回归模型和Poisson回归模型中研究了基于Group SCAD和Group MCP的组变量选择.通过数据模拟和实际数据分析,验证了这两种方法具有非常好的表现.     

基于稀疏超高维非参数可加模型的条件独立筛选

变量筛选是处理超高维数据的一种有效方法.针对部分变量与响应变量显著相关,Barut等基于线性模型假定提出CSIS方法,能有效降低伪变量错选概率.但CSIS方法线性模型假定严苛,实际研究中有时不能事先确定模型结构.由此,本文基于非参数可加模型提出条件非参数独立筛选方法(CNIS),不需要对模型结构进行假定,增大了适用范围...     

A Graph Drawing Algorithm for Visualizing Multivariate Categorical Data

In this paper, a new approach for visualizing multivariate categorical data is presented. The approach uses a graph to represent multivariate categorical data and draws the graph in such a way that we can identify patterns, trends and relationship within the data. A mathematical model for the graph layout problem is deduced and a spectral graph drawing algorithm for visualizing multivariate categorical data is proposed. The experiments show that the drawings by the algorithm well capture the structures of multivariate categorical data and the computing speed is fast.     

一种可用于分类型属性数据的多变量决策树算法

针对绝大部分多变量决策树只能联合数值型属性,而不能直接为带有分类型属性数据集进行分类的问题,提出一种可联合多种类型属性的多变量决策树算法(CMDT).该算法通过统计各个分类型属性的属性值在各个类别或各个簇中的频率分布,来定义样本集合在分类型属性上的中心,以及样本到中心的距离.然后,使用加权k-means算法划分决策树中的非终端结点.使用这种结点划分方法构建的决策树可用于数值型数据、分类型数据以及混合型数据.实验结果表明,该算法建立的分类模型在各种类型的数据集上均获得比经典决策树算法更好的泛化正确率和更简洁的树结构.     

多元马氏模型下的Phase-Type分布及其数学期望

在多元马尔可夫模型下研究了Phase-Type分布.根据多元马氏模型状态的转移特征,在确定模型中各随机序列的瞬时状态集转移到吸收态集的首达时间的条件下,结合传统Phase-Type分布的定义,提出多元马氏模型下Phase-Type分布的概念,并给出该分布的分布列和数学期望.     

多元非线性数学模型建立煤性-炉型耦合关系

论述了采用多元非线性数学模型建立煤性与炉膛性能参数耦合关系体系的方法，运用灰色关联分析方法，对炉膛燃烧器区域计算壁面热负荷与煤性因素进行关联度分析，确定主要影响因素，采用不同参数组合。运用多元非线性分析方法，建立了6种炉膛燃区计算壁面热负荷的数学模型，该模型具备较高精度，为锅炉选型提供了一种新的高效、可靠方法．     

Clustering Categorical Data：A Cluster Ensemble Approach

Clustering categorical data, an integral part of data mining, has attracted much attention recently. In this paper, the authors formally define the categorical data clustering problem as an optimization problem from the viewpoint of cluster ensemble, and apply cluster ensemble approach for clustering categorical data. Experimental results on real datasets show that better clustering accuracy can be obtained by comparing with existing categorical data clustering algorithms.     

边际加法危险率分布的变联结参数copula模型

为研究边际生存函数是半参数加法危险率模型的多维生存时间相关性随某个指标的变化,提出一类变联结参数copula模型．采用二阶段估计法来研究生存时间之间的动态相关结构．利用Lin等所提方法估计边际加法危险率模型的生存函数;将其代入一种copula模型的局部伪似然函数中,得到变联结参数的局部估计量,并给出该局部估计量的相合性和渐近正态性;通过随机模拟研究其在有限样本下的表现;利用diabetic retinopathy study(DRS)中的实际数据验证所提估计方法的可行性．      

Genetic mapping of complex discrete human diseases by discriminant analysis

The objective of the present study is to propose and evaluate a novel multivariate approach for genetic mapping of complex categorical diseases. This approach results from an application of standard stepwise discriminant analysis to detect linkage based on the differential marker identity-by-descent (IBD) distributions among the different groups of sib pairs. Two major advantages of this method are that it allows for simultaneously testing all markers, together with other genetic and environmental factors in a single multivariate setting and it avoids explicitly modeling the complex relationship between the affection status of sib pairs and the underlying genetic determinants. The efficiency and properties of the method are demonstrated via simulations. The proposed multivariate approach has successfully located the true position(s) under various genetic scenarios. The more important finding is that using highly densely spaced markers (1～2 cM) leads to only a marginal loss of statistical efficiency of the proposed methods in terms of gene localization and statistical power. These results have well established its utility and advantages as a fine-mapping tool. A unique property of the proposed method is the ability to map multiple linked trait loci to their precise positions due to its sequential nature, as demonstrated via simulations.     

多元Fuzzy线性回归

在处理某些系统模型中,有些输出或输入量的值是通过人的心理测量给出的。这时我们可认为此系统具有Fuzzy结构。这种Fuzzy结构一般可用带有Fuzzy参数的Fuzzy线性函数表示,而Fuzzy线性函数可由Zadeh的扩展原理得到。这样用Fuzzy线性函数来描述系统的Fuzzy结构便形成了Fuzzy线性回归分析。当输出输入量均是多个时便是多元Fuzzy线性回归。在经典的多元回归中,观测向量值与估计向量值之间的差异一般认为是测量误差,本文处理的多元Fuzzy回归中,我们认为其差异是由于系统的Fuzzy性造成的而反映在回归方程的Fuzzy参数上,这种Fuzzy参数一般表示一种可能性分布。文章讨论了多元Fuzzy回归模型的拟合问题,给出了其Fuzzy向量参数的估计方法,并将其计算方法归结为求解某线性规划问题。本文使用的Fuzzy向量限制在三角族内,而对其它形式的常用Fuzzy向量也没有实质困难。     

一种基于范畴论方法的形式语言模型

针对形式语言理论研究的国内外现状,建立了一种基于范畴论方法的形式语言模型,在范畴论的形式化框架内论证了该形式语言模型与其生成范畴间的内在联系,利用范畴论的素描工具结合实例对该模型进行了应用,通过分析比对说明了该模型在保持形式语言语义完整性方面的优势,为形式语言的建模理论研究提供了一种基于范畴论方法的新思路,为形式系统结构设计与形式语言理论框架的研究提供一个高效、便利的形式化理论框架.