具有部分缺失数据混合均匀分布参数的估计

研究了在缺失数据情形下混合均匀分布总体参数的估计与检验问题.一方面,通过建立矩估计方程组求出未知参数的矩估计,同时证明了估计量的相合性以及渐近正态性.另一方面,讨论了混合均匀分布总体参数相等的假设检验问题,给出了检验统计量,同时考虑了检验统计量的极限性质.此外,也通过随机模拟说明了所给方法的可行性.     

基于非参数检验对运动员反应时间的相关性分析

短距离比赛中,运动员的起跑反应与比赛成绩紧密关联.针对关联分析,通过构建Kendall相关模型计算运动员比赛成绩和反应时间的相关系数,结果显示运动员的比赛成绩与相应的起跑反应时间有着显著的低相关关系.针对差异分析,首先构建Mann-Whitney U检验对运动员反应时间在性别上的差异进行分析,而针对运动员的反应时间在比...     

教育人工智能研究应超越教育技术范畴

教育人工智能是教育学科走向科学化的关键路径。当前中国教育人工智能研究和实践严重滞后,缺乏基础理论创新、实践应用支持和大数据库建设。教育人工智能研究的学科定位出现偏差,长期存在对教育技术单一学科分支的路径依赖,形成了研究壁垒、思维惰性和创新恐惧,导致当前教育人工智能研究浅层化。应对教育人工智能发展的研究需求,不能过度依赖教育技术学科,应凸显本轮教育人工智能发展的颠覆式和破坏性创新特质,超越教育技术范畴。一是摆脱教育技术学科限制,引导形成全教育、全学科、全过程、全参与者共同进行教育研究和实践的研究新格局,加强重大基础理论创新,推动理论研究与实践应用融合,形成理论引导实践、实践反哺理论的良性创新系统,引导形成全面参与的新研究范式,全面推进教育人工智能研究。二是进一步解放思想,克服技术恐惧,全面引入教育大数据和人工智能方法,推动学科从业人员的思维转化与能力提升。三是借助技术壁垒,形成新的教育研究行业标准,将教育学科打造成为可以与其他社会科学体系进行科学对话的规范学科。四是响应产业界需求,对教育人工智能产品进行有效性评估,形成基于评价的产品研发自我调适系统。     

结合节点计算能力的MapReduce负载均衡方法

MapReduce是大数据计算领域广泛使用的编程模型,默认的Hash分区方法易导致数据倾斜,使各计算节点负载不均衡,影响了整体计算性能并造成了大量集群资源浪费。针对这一问题,提出一种结合节点计算能力的分区方法。通过运行一个独立的抽样作业,利用Reservoir抽样算法抽取待处理数据并统计样本里关键字的位置和频次;根据关键字的统计数据制定分区策略,使各分区负载与节点计算能力达到平衡,同时优化网络开销;以全量数据为输入运行计算作业,并采用已制定的分区策略对中间数据进行分区,得出计算作业的运行结果。实验结果表明,方法使各节点负载更加均衡,可明显提升计算作业执行效率。     

污染数据线性回归模型的参数估计和区间估计

研究线性回归模型:yi=α βxi iε,i=1,2,…,n,其中Eiε=0,E2iε=21σ;但y1,y2,…,yn受到另一个独立同分布随机变量序列W1,W2,…,Wn的污染,仅能观察到yi*=(1-v)yi vwi,i=1,2,…,n,Wi与yi相互独立.文章给出了α,β,v的估计及区间估计.     

具有部分缺失数据混合伽马分布参数的估计

研究在数据缺失情形下,混合伽马分布总体参数的估计与检验问题.首先,使用矩估计方法,找到分布中未知参数的矩估计,并证明统计量的相合性和渐近正态性.其次,对两个具有相同总体参数的混合伽玛分布的假设检验进行了测试,并确定了两个具有相同值的总体参数的检验统计量,并给出了一个逐步的置信区间.此外,通过随机模拟研究了在不同样本量下...     

基于决策树分类算法的心理测评模型研究

通过对大量的心理学测试量表数据集进行分析和挖掘,从大量测量属性中提取了高效属性子集构建关键决策向量,建立了更具针对性和方向性的心理测评模型.该模型能够更加快速、准确地对大学生心理健康状况进行判断和预测,帮助校方对存在问题的受访者及时实施干预,避免问题恶化.     

基于大数据技术的网络舆情感知系统的分析与实现

随着大数据技术的日趋成熟,利用大数据技术实现对海量的网络舆情数据进行采集、分析和展示,对网络舆情信息感知度得到了很大的提升,可以准确地了解网络舆情的发展态势,把握群众的情绪,对舆情事件做出高效、正确的决策。利用分布式爬虫技术来抓取数据,文本分析技术进行数据预处理和数据清洗,对数据仓库的舆情信息进行处理、分析,实现了舆情的监测、舆情的分析和舆情报告。通过大数据技术挖掘网络舆情事件,能够快速准确地感知舆情信息,可以有效提升网络舆情的管控和预防能力。     

高维数据下关于正态均值线性约束的检验

高维数据经常会出现数据维数远远大于样本容量的现象,导致多元统计分析中许多经典检验方法失效,为弥补这一缺陷,以似然比检验方法为基础,结合并交原则,对于正态总体均值受线性约束这种假设检验问题提出了新的广义似然比检验方法,并通过数据模拟方法验证该检验与Bai和Saranadasa的检验方法相比能更好的控制检验水平.     

逆向蒙特卡罗模拟在无序体系中的应用

晶体学只能够给出有关晶体平均原子结构的信息,而结合逆向蒙特卡罗(Reverse Monte Carlo, RMC)模拟的全散射方法将同时包含原子的平均结构和局部尺度上原子间距、键角以及结构多面体的取向和形变等方面的信息,这也是RMC方法一个独特的优势.近年来,借助第三代同步辐射加速器和散裂中子源, RMC方法在实验和理论上都有了较快的发展,同时数据质量高,保证了该方法在材料的局域波动和无序的精细结构研究中的适用性.本文从RMC基本原理和分析方法两个方面介绍了无序体系中的逆向蒙特卡罗方法,同时给出了一系列有助于理解的RMC模型实例.最后,对RMC方法的发展进行了展望.近年来我国对大科学装置的投入迅速增长,相信RMC方法搭载第四代高能量光源,必将在我国新材料的设计与开发中发挥重要的作用.