基于病例对照母子对数据的遗传关联分析中的经验贝叶斯方法（英文）

病例对照母子对数据常用于研究母亲和子代的遗传效应以及环境风险因子对产科和早期生命表型的影响。回溯似然方法可以充分利用已有的信息，如孟德尔遗传、母亲环境因子（协变量）在给定母亲基因型下与子代基因型的条件独立性，从而有效地提高统计推断。如对母亲基因型和环境变量之间不作任何关系假设，则相应估计量比较稳健。而假设母亲基因型和环境变量独立下的估计量可以显著提高统计推断效率，但是当独立性假设不成立时会有系统偏差。本文通过对上述基于回溯似然的两个估计量进行适当的加权，得到了两个经验贝叶斯（empirical Bayes,EB）估计量，这两个EB估计量可以直观地平衡统计效率和稳健性。我们对两个EB估计量建立渐近正态性，并利用该渐近正态性构建遗传效应和基因-环境交互效应的置信区间和显著性检验。模拟和实际数据分析说明了我们新方法的表现。     

一种由三角模所诱导的粗糙集间的相似性度量方法

给出两粗糙集间一种新的相似度计算方法,并将其应用到模糊模式识别问题中,通过算例说明这种方法的可行性和有效性.     

基于α-β优势关系的区间值信息系统属性约简方法

区间值信息系统是单值信息系统的一种扩充,如何对其进行属性约简是区间值多属性决策中的一个重要的问题.在已有的优势关系基础上,定义了α-β优势关系,得到基于新的优势关系的可辨识矩阵,进而对区间值信息系统进行属性约简,给出了约简算法.最后通过一个算例验证了新方法的可行性,并与已有方法进行了比较,结果表明所提出的方法更为简单有效.     

一种由三角模诱导的粗糙集间的相似性度量方法

首先介绍了粗糙集、模糊集与三角模的概念,接着指出利用三角模可以诱导出相应的包含度,进而可得到一个相似度,提出了一种利用三角模对粗糙集间的相似性进行度量的新方法.最后借助算例验证了该方法的可行性.     

粗糙群定义的缺陷与修正

自Pawlak Z提出粗糙集理论以来,众多学者进行了广泛深入的研究,并将该理论拓展至粗糙代数领域.Biswas R和Nanda S首次提出了粗糙群(B-N粗糙群)的概念并给出了若干性质,但这一概念本身存在着一定缺陷.已有一些研究者指出了B-N粗糙群的定义和结论存在的一些问题,并给出了B-N粗糙群的修正定义,但B-N粗糙...     

产生式与判别式分类方法比较研究

分类是数据挖掘领域研究的热点,产生式与判别式是数据挖掘中两种不同的分类模型。产生式模型具有通用性、灵活性及清晰的分层结构,学习得到的模型很容易满足模型解释要求;判别式模型没有明显的对系统中变量的基本分布建模的企图,仅仅对输入到输出之间映射的最优化感兴趣,可以提供更好的分类性能。从准确率、建模时间及渐进误差等方面对产生式与判别式分类方法进行了分析与比较,为研究人员在分类模型的选择上提供了参考。     

基于模糊C均值聚类算法和贝叶斯判别函数研究深水油藏分类评价

针对目前深水油藏分类评价研究现状的不足,基于模糊C均值聚类算法和贝叶斯判别函数,建立了深水油藏指标选择标准和分类评价体系。优选世界三大深水油气区19例油田的特征属性参数作为典型样品集,采用模糊聚类分析对深水油藏进行了分类,在此基础上,应用贝叶斯判别决策理论,建立了深水油藏分类评价的定量判别关系,对未知类型的深水油藏进行了定量分类评价。实例结果表明,应用模糊C均值聚类算法和贝叶斯判别函数相结合进行深水油藏分类评价是有效的,该分类评价体系考虑的油藏参数更为全面,分类结果更为明显,对于深水油田的开发具有一定的指导意义。     

基于蚁群算法和粗糙集的信息融合教学评价

单目标教学评价结果的不确定性较大,为此提出基于蚁群算法和粗糙集的信息融合教学评价方法.该方法首先利用粗糙集算法处理多项评价指标决策融合问题,在解决多项评价指标决策融合问题时采用蚁群算法对融合问题中的参数进行优化,然后对多源信息利用粗糙集方法进行融合实验结果证明:本方法更加有效,利用本方法的评教结果更加公正、合理.