排序方式： 共有6条查询结果，搜索用时 0 毫秒
1
1.
该文针对响应变量为有序多分类标量数据，协变量为函数型数据构建函数型累积Logistic回归模型，并在贝叶斯分析框架下构造Gibbs抽样算法解决参数估计问题.具体解决流程为：首先，通过潜变量连接有序响应变量与函数协变量间的关系，同时对回归系数函数和回归函数型自变量选取主成分基函数进行展开，设置潜变量模型误差项服从Logistic分布.再利用Polya-Gamma变换解决模型似然函数的复杂性，并求得回归系数展开系数的后验分布从而构建Gibbs抽样算法.最后将该方法应用与模拟数据和实际空气质量指数(AQI)的分析，结果显示能较好地对模拟数据和空气质量指数(AQI)污染状况进行分类. 相似文献
2.
固定效应和随机效应同时选择是面板数据模型研究中的重要问题之一。本文通过分别对固定效应和随机效应引入条件Laplace先验,提出了一种新的贝叶斯双惩罚分位回归法。该方法不仅能对模型中重要解释变量进行自动选择,而且充分考虑到个体随机波动对解释变量系数估计带来的偏差。通过对方差分量的惩罚压缩,减少了模型中未知参数的个数,提高了模型自由度。Monte Carlo模拟及实证分析显示,所提出的方法不仅能准确估计出固定效应系数,而且能精确地捕捉到个体随机效应的波动。 相似文献
3.
通过定义确定型有穷自动机在状态集上的等价关系,可以构造一类非确定型有穷自动机在状态集上的等价关系,利用这个等价关系可以对这类非确定型有穷自动机进行极小化。 相似文献
4.
判定两个图是否同构的算法复杂性至今还是一个开问题。作者研究一类图的同构问题,给出了K-可区分图及K-标准图的定义〔0相似文献
5.
非确定型有穷自动机的极小化 总被引：1，自引：0，他引：1
利用自动机状态集上的等价关系对自动机的状态集进行极小化, 从而得到与原自动机功能等价的极小化自动机. 通过两台确定型有穷自动机（DFA）的连接, 构造一台非确定型有穷自动机（NFA）. 利用这两台确定型有穷自动机状态集上的等价关系, 可以构造这台非确定型有穷自动机状态集上的等价关系, 从而对这台非确定型有穷自动机进行极小化. 结果表明这台非确定型有穷自动机的极小化自动机的状态复杂
度, 不大于对那两台确定型有穷自动机的极小化自动机进行连接得到的非确定型有穷自动机的状态复杂度; 并且自动机在等价关系基础上进行极小化时不改变识别语言. 相似文献
6.
在面板数据混合效应模型中,大量未知随机效应的存在,给模型参数估计带来极大困难;同时随机误差的分布未知,不同分布下的随机误差会增加模型计算的复杂度,对固定效应与随机效应系数的变量选择与估计带来困难.为了解决这一问题,本文建立贝叶斯双Adaptive Lasso分位回归模型,将Adaptive Lasso惩罚函数同时引入到... 相似文献
1