缺失数据下线性模型中缺失值处理方法的比较

在响应变量随机缺失的线性模型中,利用R统计软件模拟比较完全样本法、固定填补法和分数线性回归填补法得到的回归系数、响应变量均值、响应变量的分布函数、响应变量的分位数估计,并用标准误差（SE）评判其优劣.结果表明,除固定填补法外,无论采用其余哪种方法,随着样本容量的增大,评判值SE减小,样本容量越大,估计也就越精确 缺失概率的大小也影响估计的精度,缺失概率越大,相应的评判值SE越大,估计的精度也就越差 另外,在分数线性回归填补法中,J=5的结果总是比J=1的结果好,这说明随着J的增大,其估计精度也随着提高.     

内部排序方法的比较和选择

排序在计算机数据处理中占有重要的地位,但是排序方法有很多种,而且各有优缺点.我们要根据实际问题的需要来选择不同的排序方法.     

基于多传感器的数据融合方法和模型研究

数据融合技术受到广泛的关注,本文结合数据融合及其一般功能模型、目标识别融合结构层次,重点分析了基于多传感器的数据融合的算法和级。比较了集中式和分布式融合处理,提出了利用实例,展望了基于多传感器的数据融合技术的发展趋势和困难。     

VFP中字符型数据的排序序列与设置

比较运算符是VFP的运算符之一，在VFP中，每种类型的数据有不同的比较规则．本文就字符型数据的比较运算在运行时结果出错，分析造成结果错误的原因，并通过VFP6．0中菜单和命令的设置解决了理论与实际操作间的差异．     

基于Map/Reduce的分布式数据排序算法分析

为了解决大规模数据的存储与计算,近年来分布式系统得到了大量的应用.如何在分布式系统中对大规模数据集进行排序是影响许多应用性能的基础问题,其中不仅涉及每个节点上排序算法的选择,更重要的是设计协调各节点的分布式算法.本文总结了分布式系统中常用的分布式排序算法,对每种算法的执行流程、代价模型和适用场景进行了分析,并通过实验对分析结果进行了验证.本文的工作可以帮助开发人员选择和优化分布式环境下大规模数据排序的算法.     

数据包络分析法应用于判断矩阵排序的方法探究

文章介绍了利用数据包络分析法(DEA)获取层次分析法(AHP)中判断矩阵权重排序的方法,探讨了它的一致性、保序性等性质.例举的具体算例显示出该模型可广泛适用.同时,当准则含有决策者偏好时,传统的特征向量方法(EMV)无法进行调整而显得无能为力.而改进了的运用公共权重计算的DEA方法可以体现出这种差异,从而反映了这种方法的优越性.     

多传感器数据融合模型综述

多传感器数据融合的关键问题是模型设计，数据融合模型主要包括功能、结构和数学模型。根据数据融合功能层次性和信息流通方式及传输形式，把数据融合功能模型分为五级，即检测级、跟踪级、属性级、态势级和威胁级。这种划分方法更有利于数据融合技术的研究。在此基础上，详细讨论了前三个级别的系统结构模型、数据融合系统的组成、相关数据流、系统与外部环境的界面及各种结构模型的优缺点和应用范围，并同时介绍了有关的融合算法。     

结构方程模型的统计方法及比较

介绍了结构方程模型参数估计的两种主要方法最大似然估计和Bayes估计，并给出了一个数值模拟例子探讨比较了两种方法的相似点和不同之处．     

基于改进线性回归方法的任务自适应排序模型

为解决有人/无人系统协同过程中操作员手动调整任务执行顺序带来的系统设置失效和工作负荷增加问题,基于改进的线性回归方法对操作员任务处理习惯数据进行训练,得到操作员任务处理习惯的任务自适应排序模型,针对操作员处理任务的习惯对任务序列的排列进行自适应调整.仿真结果表明:改进的线性回归方法提高了任务排序的正确率,减少操作员的手动排序过程,降低操作员的工作负荷,并对于不同的操作员的处理习惯有更强的适应性;测试数据规模越大,模型预测的正确率均值越大,而且正确率的上下边界越收敛;得到训练数据规模越大,改进的线性回归模型预测正确率的均值越大.     

视图：——处理多表数据结果集的方法

介绍了在用ＶＦＯＲ６．０开发信息管理系统中,如何利用视图来处理多表数据结果表明,以完成复杂关系数据的操作处理,并用实例说明了如何建立视图,使用视图进行数据查询和修改。     

GIS区域数据时空线性建模方法

GIS区域数据时空分析研究是指在区域对象空间拓扑结构保持不变的情况下,属性数据随时问变化的时空过程和时空格局的探测、建模和预测。其统计模型需要考虑时序相关性和空间关联性两方面因素,时空线性建模通常采取空间回归模型和时序回归模型相结合的方法。在现有区域时空线性模型的基础上,给出了多阶多元时空线性回归模型的一般形式,并针对一阶时空线性回归模型,研究了在回归参数不同限定条件下的模型特定形式及相互关系,分析了模型中权重矩阵的构建方法,提出了一种结合最小二乘和最大似然的模型参数估计双层迭代算法,并对模型的实际应用进行了分析.     

数据包络分析方法综述

阐述了数据包络分析的基本原理和方法,给出这一非参数方法的几个数学模型以及在多个领域的研究应用状况,并就该方法的发展作一展望。     

基于大数据的防窃电模型与方法

针对常见的窃电现象及方法,分析了窃电方法的本质特征;利用鱼骨图表示特征参量的方法建立了多维度电参量的相关特征参量集合,并构建了多维度电参量的窃电本质特征模型来揭示窃电方法、本质特征和特征参量三者的关联关系;提出了基于大数据的防窃电模型与方法,包括数据预处理、大数据的防窃电结构化模型;最后通过用电信息系统采集的数据验证了本文结构化防窃电模型与方法的有效性。本文研究成果可为解决大数据条件下窃电行为监控问题提供有效的途径和方法。     

聚类分析在犯罪数据分析中的应用

针对犯罪情报数据的特点,文章利用聚类分析将具有相似特征的案件或犯罪人员从海量数据库分拣出来,单独形成特征类型数据库,找出每类中大部分犯罪分子及犯罪活动中的特征信息,根据不同分类,将犯罪特征应用到该类其他案件的侦破中去,为犯罪案件的串并及破案提供有益帮助.     

混合分层抽样统计与贝叶斯个性化排序的旅游景点推荐模型研究

传统协同过滤推荐模型仅处理稀疏的评分数据,未深入挖掘用户及对象的潜在语义,且用户喜好信息也未充分利用.围绕旅游景点推荐这一热点问题,提出全新的混合分层抽样统计与贝叶斯个性化排序的推荐模型：采用分层抽样统计及主观赋值评价法刻画用户旅游喜好;基于矩阵分解算法(Matrix Factorization,简称MF)分析用户及对象(景点)的潜在语义,运用贝叶斯个性化排序算法(Bayesian Personalized Ranking,简称BPR)对推荐模型进行优化;综合用户旅游喜好信息及BPR优化结果,生成混合推荐列表.在新的“Wisdom Tourism”数据集上进行仿真实验.实验表明：推荐模型的RMSE、MAE、F1值较最强基线分别提升16.59%、10.05%、5.04%;相比于分层抽样统计方法,BPR算法在推荐过程中发挥更显著的作用.     

结构模型中自蕴涵方程的交互式推理解法

提出了一种在结构建模过程中求解自蕴涵方程的推理解法，使基于试探法的盲目的人机对话过程变为有目的，有根据的基于逻辑推理的人机对话过程。提出并证明了变型定理和推理定理，据此构造出推理矩阵和推理网。还提取出推理网的四条性质，由此构造交互策略，可以大为减少对话次数。     

一种基于自组织分级聚类的数据挖掘方法

针对传统自组织聚类方法处理数据在多维空间中存在多样性和从基本或低层次概念上发现强关联规则中的不足，提出了一种基于自组织分级聚类的数据挖掘方法．该方法采用最大似然分类自组织特征网络（MAXNET）聚类过程，利用自下而上聚合层次聚类方法，对有畸变的二值化输入模式作最大似然分类．最后对一个销售电脑商场中，与任务相关的交易数据集进行了分析，描述了从低层次概念到高层次概念的相互关系．并用matlab仿真软件把该方法和传统方法进行比较，表明了该方法的有效性．     

一种测控系统数据处理方法的研究

论述了利用计算机测控技术研制成功的叠加式称重测试系统的基本原理、测量数学模型及其实现方法.提出测量数据处理的最小二乘法决策方法,该方法依据测试结果数据,进行曲线拟合分析、对比.实验结果表明,利用该数据处理方法,可以提高系统测量精度及稳定性.     

纵向数据分析中使用滑动平均Cholesky分解对回归均值和协方差矩阵进行同时半参数建模(英文)

近年来,对纵向数据分析中回归均值和协方差矩阵同时进行建模研究得到越来越多的关注.为满足协方差矩阵的正定性约束,文献中常考虑对其逆矩阵进行某种分解.本文使用一种Cholesky分解方法对协方差矩阵本身进行分解,得到的参数没有取值限制且有着明确的统计意义.具体地,分解后的参数可以视为滑动平均序列的系数和对数更新方差,且在整个实轴上取值无限制.考虑到模型的稳健性和推断的有效性,提出了一种对回归均值和协方差矩阵同时进行半参数建模的方法,并利用广义估计方程和B样条给出了半参数模型的估计方法,得到了参数部分估计的渐近正态性以及非参数部分估计的最优收敛速度.最后通过模拟和实例分析对所提方法进行了数值研究.     

带有核实数据的误差在协变量线性模型的估计

考虑协变量有误差的线性模型Y=Xτβ e,在许多实际问题中,准确测得感兴趣的变量可能是很困难的,或者所需成本很高。因此通常用可观测的替代变量来代替。本文不对真变量和替代变量间关系作任何模型假设,利用主要数据和核实数据,基于最小二乘方法和核方法,应用参数方法获得β的估计量,并证明了β的渐近正态性。