Gibbs抽样相关论文
流行病的广泛传播对经济发展以及日常生活造成了巨大的冲击.因此,收集流行病相关数据并分析其发病率或感染强度的时空规律对制定相......
支持向量回归（SVR）是机器学习中重要的数据挖掘方法，当前关于SVR的研究大多基于二次规划理论，同时，利用交叉验证或一些智能算法选取模型......
随着社会经济的发展,研究者发现最小二乘回归估计不能全面地解释自变量和因变量两者之间的关系,因此提出了分位数回归估计以补充最......
大数据时代各领域产生的数据日益复杂,医药生物、公共卫生、金融保险、可靠性工程、环境监测等领域的数据由于测量设备、实验设计......
因为全球性的能源短缺,LED芯片凭借其寿命长、成本低、亮度高等特点,已成为制作灯牌、各种发光字的最佳选择.不论是用于日常照明、......
作为对均值回归一个强有力的补充,分位数回归具有对异常点稳定,无需对随机误差有分布假设等优良特性.它最早是由Koenker和Bassett（1......
随着时间序列研究的不断深入,为了能更好的描述现实世界,人们更加关注非线性时间序列,在这样的背景下诞生了双重时间序列模型.自模......
为研究截断删失数据下瑞利分布多变点模型的参数估计问题,利用MCMC方法,通过筛选法添加部分缺损的寿命变量数据,得到了相对简单的......
高维数据广泛存在于人们日常生活的各个领域,如社会经济、生物医学、信号处理等等。高维数据通常具有强相关性、数据维度高以及尖......
项目反应时间是很重要的信息资源，特别是在现在的计算机化考试里，便于我们对这一信息进行收集。同时被试者对题目的反应（对或错）和反应......
论文提出了可用于Wleibull型分布产品可靠性增长分析的一类新的先验分布，建立了可用于Wleibull型产品可靠性增长的Bavesian模型，扩展......
本文在对利用Gibbs抽样进行方差组分的贝叶斯估计中的Gibbs链的收敛诊断方法进行概述的基础上,介绍了CODA和BOA两种软件中所包含的......
本文基于 Gibbs 抽样方法对一种简单的图像恢复算法进行了实证研究,对于不同的相邻结构和噪声标准差组合,从真实像素的后验分布中......
游客满意度是休闲渔业景区制定管理决策的重要参考信息。通过探究游览过程中游客对各单一维度的满意程度与旅游总满意度之间的关系......
Motif识别是计算生物学中的重要问题.处理缺失数据的方法被大家广泛应用于生物序列中的Motif识别,例如EM算法,Gibbs抽样等等.现在......
构建经济增长质量的评价指标体系，采用熵权法确定基本指标权重测度不同维度经济增长质量指数，进一步构建FAVAR模型并采用Bayesian视......
Genes associated with similar diseases are often functionally related.This principle is largely supported by many biolog......
本文以1994年北岭地震加州桥梁结构为研究对象,采用加州桥梁经验损伤数据作为地震响应,基于Gibbs抽样的MCMC算法,分别识别出不考虑......
基于Gibbs抽样的贝叶斯模型选择结合先验信息，可以得到良好的估计与预测效果，从而受到各领域研究的重视。本文通过分析Gibbs抽样和Me......
入21世纪,人类社会正在由信息社会迈向知识社会,掌握知识、勇于创新的人才成为企业和组织中最有价值的资源。无论是科学研究机构,......
在分析实际问题的过程中，我们可能会对不同情况建立不同的模型。考虑一组数据应该用哪个模型来分析，这就是模型选择问题。本文主要讨......
模体识别是生物信息学的重要研究领域。它通过寻找不同序列间的相似片段来归结出这些序列片段中所蕴涵的特征模体，从而揭示生物序列......
混合数据参数识别问题的研究一直备受关注,由于混合类型和混合权重无法直接观测,因此其实质是含有隐变量的不完全数据或者缺失数据......
时间序列由于误差、干扰或者异常事件的影响,会产生一些与其他观测数据不一致的值,这些值被称为时间序列的异常点。异常点的存在对......
大数据时代,数据已成为非常重要的生产因素,数据挖掘已经应用于各行各业。其中,对肠道微生物领域的挖掘就是当前研究的热点。由于......
均匀分布是最重要的连续型分布之一,广泛应用于自然科学和社会科学领域,因此研究均匀分布的参数估计问题仍然有很大的现实意义。首......
为更好地模拟入库径流过程预报误差系列,从而为水库优化调度提供更准确的输入条件,针对应用不同预见期的入库径流预报误差系列在拟......
门限自回归(TAR)模型是一类典型的非线性时间序列模型,它在自回归(AR)模型的基础上增加了额外的约束条件,其本质就是对一类非线性......
随着大数据时代的来临,数据的更新换代越来越快,对于同一问题会有不同的人不断地做研究,这样就会产生非常多的数据和结论,这些结果......
信息过载是大数据时代的突出问题之一,通过个性化推荐缓解信息过载,提升用户体验,已经成为目前热门的研究领域。现有推荐方法多聚......
大学排名有其实际的意义和不可避免的不足。现在国内外有几个较有影响的大学排名表。本文关注国内部分双一流高校的排名,其中有些......
现如今,随着信息化、大数据时代的到来,数据容量大、内容多样、形式复杂、数据间关联性较密集,事物间相关联的研究越来越受到人们......
在已经过去的最近两年内,中国股市曾经历了一个完整的上涨和下跌的周期,期间多次较大的波动震荡为中国证券历史上极其罕见的。因此......
分位回归可以全方位地挖掘数据信息,将分位回归技术和二元选择模型结合能够更加全面地刻画问题的本质,更准确地预测二元选择倾向。......
随着互联网的发展,人类进入了大数据时代,产生了海量数据。传统的数据分析方法和技术已难以处理,数据挖掘技术也就应运而生了,其中......
随着国家社会经济的发展,人们的物质生活水平显著提高,而人们赖以生存的环境正面临严重挑战.近年来大气污染严重影响了人们的日常......
大气污染排放效率能直接衡量社会劳动产生的经济效应和污染排放物之间的关系,反映出经济要高质量发展,生态环境也要积极保护。改革......
在设计和建设风电场时,需要对当地的风资源进行评估。不确定性分析是风资源评估中非常重要且必不可少的工作,影响风速不确定性的因......
Bayesian图解模型是综合Bayesian理论、图论的观点及MCMC模拟方法的复合模型。现通过具体实例系统地介绍该模型的基本思想、建模求......
微生物菌群结构的异质性在影响宿主健康与疾病等方面有着十分重要的作用.对于菌群结构的时间与空间尺度异质性研究主要有非监督学......
针对2个文本集合的语义相似性度量问题,提出了一种新的主题模型——集合相似主题模型(collection similarity topic model,CSTM),......
针对高可靠、长寿命的机械产品，在研制进程中为了考核、验证其可靠性水平，通常须开展相应的加速寿命试验，但是机械产品在加速寿命......
提出根据贝叶斯理论，运用Gibbs抽样的MCMC方法，解决混合谱的参数估计问题。该方法不仅充分利用模型信息和样本数据信息，同时融合了模......
本文首先构造了一个贝叶斯修匀模型，选用逆高斯分布作为死亡率的先验分布，再利用Gibbs抽样对死亡率进行估计；在此基础上利用分段参数......
采用基于Gibbs抽样的贝叶斯方法估计了杜洛克猪遗传评估中主选陛状配子印迹效应的方差组分.结果表明，达100kg体重日龄的母系印迹效......
基于单自由度体系的统计矩理论,以位移四阶矩和加速度八阶矩为损伤指标,使用贝叶斯思想和Gibbs抽样相结合方法,提出一种框架结构损......
