排序方式: 共有8条查询结果,搜索用时 734 毫秒
1
1.
弹点散布方差的动态修正Bayes估计 总被引:5,自引:0,他引:5
针对小样本情形下用传统方法对参数进行估计难以得到满意结果,在采用矩法由历史数据估计先验分布参数的基础上,将先验信息和后验信息相对化,采用动态修正Bayes估计法,对零均值正态分布的方差进行估计,建立了动态递推模型.并用蒙特卡罗法进行仿真模拟,结果表明,所采用的方法提高了估计精度. 相似文献
2.
通过对比国内外有关标签(Tag)和数字图书馆的个性化信息检索的研究及对Tag和Folksonomy(自由分类法)的比较分析,揭示标签应用于个性化信息检索的可行性,再根据个性化信息检索的原理及分层思想,将标签应用于个性化信息检索之中,并构建一个基于标签的数字图书馆个性化信息检索模型. 相似文献
3.
根据流行病发生的特点,一般其发生的时刻、感染者的人数等因素不易直接得出,但是在某一时间内被发现患病者的人数是可以知道的,从而可以根据该已知数据,利用分支过程构建一个新的模型,利用该方法,可以预测将来流行病的发展情况,从而可以采取相应措施来控制疾病. 相似文献
4.
线性判别在非高斯数据上的推广 总被引:1,自引:1,他引:0
提出了一种求解两类线性判别边界问题的有效方法,该算法既可避免传统线性判别的高斯假定,又可与之保持方向的一致性.但在具体求解中只需用最小二乘法.从实际的模拟中可以看到,这种方法的解可以有效地减少训练样本的误判率. 相似文献
5.
本文以压缩主成分估计为基础,对广义线性模型的最优预测与经典预测的最优性判别问题进行了讨论,获得了在离差矩阵判别准则和广义风险函数判别准则下判断两类预测量最优性的一个充分条件,为进一步研究基于有偏估计关于两类预测量的最优性判别问题提供了一种方法和思路。 相似文献
6.
介绍了一类在固定人口条件下的标准流行病的随机模型,讨论了该模型的解及其性质,进一步对其参数进行了贝叶斯估计,对其先验分布的超参数也给出了确定的方法. 相似文献
7.
偏最小二乘回归是一种新型的多元统计数据分析方法,能够在自变量存在严重相关的条件下进行回归建模;神经网络可以克服模型是观测数据的线性组合的局限。将两者有机的结合起来,建立偏最小二乘回归神经网络模型,可以使预报的精度提高。 相似文献
8.
本文讨论了一般正态线性回归模型的参数岭估计问题,从贝叶斯方法出发给出了岭估计在解决相关问题时的一种合理性的解释,并且将贝叶斯方法在特殊正态线性模型中的应用推广至更一般的正态线性回归模型. 相似文献
1