检索结果-内蒙古大学图书馆

作者：修思阳中国人民大学

学位级别：硕士

邮件识别问题的本质属于数据挖掘中的分类问题。在现实生活中，经过邮件的过滤和屏蔽处理之后，不可避免地有部分垃圾邮件没有被滤掉。这些垃圾邮件中的某些包含恶意文件的邮件将产生巨大危害，而此类邮件的数量又远远少于其他类别，出... 详细信息

邮件识别问题的本质属于数据挖掘中的分类问题。在现实生活中，经过邮件的过滤和屏蔽处理之后，不可避免地有部分垃圾邮件没有被滤掉。这些垃圾邮件中的某些包含恶意文件的邮件将产生巨大危害，而此类邮件的数量又远远少于其他类别，出现非平衡数据集问题。在这种情况下，分类器通常会倾向于将测试样本全部判别为多数类而忽视少数类样本，使分类器在少数类样本上效果变差。\n 解决此类非平衡数据集的分类问题常用的方法大致可以分为两类:基于数据层面和基于算法层面的方法。SMOTE(Synthetic Minority Over-samplingTEchnique)算法就是基于数据层面提出的过抽样方法，通过少数类样本之间的插值合成新的少数类样本以平衡数据集的分布。但是，SMOTE算法在合成样本的过程中存在一定的盲目性。为了进一步控制合成样本的质量，提高少数类样本的识别率，本文提出了一种基于改进SMOTE算法的再抽样方法。\n 这种方法分析了数据集的结构，对少数类的样本进行分类和识别，并从中选择一部分参与人工样本的合成。在合成的过程中，有选择的调整少数类的近邻，在近邻候选集合中去除距离较远的少数类样本，并允许部分距离少数类样本较近的多数类样本参与到新样本的合成过程中。结合欠抽样处理，对合成之后的数据集用ENN方法进行欠抽样，去掉多数类中的冗余样本或边界上的噪声数据。该算法结合了过抽样和欠抽样两种方法的优势，一方面通过自适应选择近邻的方法增加少数类样本的方式强调了少数类，另一方面对多数类进行适当程度的欠抽样，减少其规模，达到多数类和少数类样本在一定程度上的相对平衡，从而可以有效地处理非平衡数据集分类问题，提高分类器的性能。\n 本文通过对分类算法和抽样率参数设定的讨论，在基于改进SMOTE算法的再抽样方法的基础上，结合K近邻分类，构建分类模型，并选择适合非平衡数据集分类性能评价的准则，进行了实验验证和比较分析，验证了该算法的有效性。

关键词：电子邮件识别技术非平衡数据集再抽样方法

来源：评论

学校读者我要写书评

暂无评论

Bootstrap方法简介

Bootstrap方法简介

引用

作者：王刚南京大学

学位级别：硕士

Bootstrap方法是美国统计学家Bradley Efron在上个世纪七十年代后期所提出的一种再抽样方法．由于该方法的思想简明而深刻，操作简单，效果显著，一经提出，迅速受到统计学家们的高度关注，并掀起了强烈的研究热潮，伴随着关于Bootstra... 详细信息

Bootstrap方法是美国统计学家Bradley Efron在上个世纪七十年代后期所提出的一种再抽样方法．由于该方法的思想简明而深刻，操作简单，效果显著，一经提出，迅速受到统计学家们的高度关注，并掀起了强烈的研究热潮，伴随着关于Bootstrap方法的各种渐近理论的相继提出和计算机模拟技术的日渐成熟，Bootstrap方法被广泛地应用到各个领域的统计问题中，取得了巨大的成功． \n 本文试图简要总结Bootstrap方法的基本思想；阐述Bootstrap方法在各统计问题中的基本操作；对由该方法所获得的估计结果的统计性质作出了简单的分析；并指出了Bootstrap方法应用失效的部分情况．

关键词： Bootstrap方法再抽样方法置信区间时间序列回归模型

来源：评论

学校读者我要写书评

暂无评论

中国人口死亡率Lee-Carter模型的再抽样估计、预测与应用

引用

中国人口科学 2014年第4期 27-34,126页

作者：吴晓坤王晓军华北电力大学数理学院中国人民大学统计学院

文章采用泊松最大似然估计方法建立中国人口分年龄死亡率的Lee-Carter模型,在最大似然估计的基础上附加再抽样方法对模型参数、死亡率及其他相关变量进行再抽样估计和预测,并与未采用再抽样方法的估计结果进行比较。结果表明,由于Lee-Ca... 详细信息

文章采用泊松最大似然估计方法建立中国人口分年龄死亡率的Lee-Carter模型,在最大似然估计的基础上附加再抽样方法对模型参数、死亡率及其他相关变量进行再抽样估计和预测,并与未采用再抽样方法的估计结果进行比较。结果表明,由于Lee-Carter模型中某些估计参数的不确定性将传导给预测变量,在相同置信水平下,附加再抽样方法得到的死亡率及其他相关变量的区间估计的长度更大,说明再抽样方法能够有效地测度估计与预测中的不确定性,同时也说明对中国人口死亡数据建模时附加再抽样方法的必要性。

关键词：死亡率 Lee—Carter模型再抽样方法不确定性

来源：评论

学校读者我要写书评

暂无评论

神经网络模型和样条模型在职业锰暴露危害评估中的应用

神经网络模型和样条模型在职业锰暴露危害评估中的应用

引用

作者：黎燕宁中山大学

学位级别：博士

研究背景： 　　广西锰矿产资源丰富，是职业性锰中毒高危人群集中的地区。随着国家西部开发的推进，职业性锰暴露的人数不断增加，其职业危害问题越来越受到重视。因此，研究职业性锰暴露的危险性以及锰暴露工人的... 详细信息

研究背景： 　　广西锰矿产资源丰富，是职业性锰中毒高危人群集中的地区。随着国家西部开发的推进，职业性锰暴露的人数不断增加，其职业危害问题越来越受到重视。因此，研究职业性锰暴露的危险性以及锰暴露工人的职业保护是当前备受关注的问题。 　　在回顾性职业暴露评价中，通常用空气锰尘的历史记录来计算暴露量，缺点是数据不完整，而且历史记录往往不能充分体现过去暴露的特征。对缺失数据的估计方法可定性或者定量，但定量的方法无法精确计算累积暴露水平。而且用于职业锰暴露危害评估的传统统计方法没有考虑多个自变量之间的相互关系，无法使数据信息得到充分利用，应用不当还会得出错误结论；另一方面，在广西多年的锰尘防治研究中，尚未进行过大型的职业流行病学调查以及系统全面的评价。针对上述存在的问题，有必要进行职业流行病调查以便了解锰暴露的概况，并探讨适用于职业锰暴露危害评估的更合理的统计方法。 　　人工神经网络(artificial neural network，ANN)是适用范围广泛的非线性模型。ANN的研究主要在模型重建、预测和数字通讯等工科领域，国内医学方面在疾病诊断、肿瘤预后和药学等方面有一些应用，但远不如国外研究成熟。样条函数具有很强的适应数据和函数变化能力，目前在医学的应用较少，主要是在Cox模型危险度评价的拟合、影像学图形处理等方面。这些先进的统计模型具有强大的应用潜力，应该推广到职业流行病领域。 　　目的和意义： 　　本研究在大规模流行病学调查的基础上，描述广西职业性锰暴露的概况。采用合理的非线性模型推算锰尘缺失值；并建立适宜的非参数模型，计算连续性暴露因素的优势比(odds ratio，OR)；最后分析职业性锰暴露人群职业因素的剂量一反应关系。 　　采用的先进统计方法给职业流行病学的研究提供新的思路，所得出的分析结果和具体建议，为慢性职业性锰中毒的一级预防提供科学依据。 　　材料与方法： 　　环境资料来自锰矿生产、加工行业的工作场所三十年锰尘监测数据，用于估计锰尘浓度水平和评价锰尘分布规律。 　　统计方法包括： 　　 1.引入BP-ANN推算历年的锰尘浓度，并与多重线性回归的结果做比较，评价它们的误差和拟合优度，确定较优模型。ANN在锰暴露研究领域属首次使用，旨在解决锰尘资料不完整和变量关系复杂问题。并构建锰尘的职业暴露模型，估算高危人群的累积暴露指数； 　　 2.应用样条函数估计累积暴露指数的OR值，比较多重logistic回归、多重分段logistic回归和样条模型的拟合效果；用bootstrap再抽样方法评价三个模型的拟合效果的准确性和稳定性，确定最适宜的统计模型。本方法在国内职业流行病领域首次应用，旨在探讨解决锰职业因素的非线性问题和连续性变量危险度的估计。 　　采用病例对照研究，选择锰矿生产基层职工作为研究对象，估计累积暴露指数、工龄、工作环境、暴露距离、接触时间比例等诸多职业因素的危险度，分析锰暴露与健康危害的剂量-反应关系。 　　结果： 　　 1.统计方法比较： 　　 1.1 ANN预测模型推算锰尘浓度的准确度较高。与多重线性回归相比，ANN的误差参数的平均绝对误差和误差均方较小；拟合优度参数较小：赤池信息准则(157.576/160.045)，施瓦兹信息准则(159.793/167.667)，库尔贝克-莱布勒准则(0.496/0.508)；配对秩和检验比较结果显示ANN的推测值和锰尘实际值具有相同分布(z=-0.402,P=0.687)。说明ANN模型比多重线性回归准确和稳定。 　　 1.2多重样条模型估计的危险度比较准确，其拟合优度参数比传统logistic回归、分段logistic回归的数值减少：赤池信息准则(1898.147/2233.685/2282.783)，施瓦兹信息准则(1988.717/2256.328/2205.425)，-2倍的对数似然函数值(1866.147/2225.685/2274.783)：bootstrap再抽样结果显示多重样条模型的拟合参数最小；而且Hosmer and Lemeshow拟合优度检验统计量最小，说明模型准确、稳定。以上表明样条模型具有超越传统方法的优越性，适宜用在锰暴露人群的危险度研究。 　　 2.流行病学结果： 　　 2.1广西锰矿区的锰尘浓度逐年减小，选矿和锰粉生产的工艺流程容易接触较多的锰尘。三十年生产

关键词：多重样条模型人工神经网络再抽样方法职业锰暴露危险度评价流行病学调查

来源：评论

学校读者我要写书评

暂无评论

广义矩估计及其推广在短期利率模型中的应用

广义矩估计及其推广在短期利率模型中的应用

引用

作者：王言北京交通大学

学位级别：博士

随机游走模型经常被用于描述短期利率的变化,而短期利率的长期趋势和短期波动的量化则是研究很多金融问题特别是复杂债券和衍生证券定价的关键。期权的价格在相当程度上取决于标的证券的波动性,而后者的量化则依赖于针对单支股票收益率... 详细信息

随机游走模型经常被用于描述短期利率的变化,而短期利率的长期趋势和短期波动的量化则是研究很多金融问题特别是复杂债券和衍生证券定价的关键。期权的价格在相当程度上取决于标的证券的波动性,而后者的量化则依赖于针对单支股票收益率的短期利率模型。但随机游走模型对于利率实际变化的描述在很多问题中过于简单。于是经济学家提出一系列更加精细复杂的统计模型用以描述利率变化。可相关模型的参数估计会比较困难,所以要使用到矩估计等较为复杂的方法。基于随机矩的推断方法在统计特别是计量经济学中有广泛的应用。当矩条件的个数比未知参数多时,基于矩条件的估计方程通常是不可解的。广义矩估计方法是通过寻找一个目标函数的极小值来解决此类方程的求解问题。广义矩估计比基于矩条件估计方程的简单参数估计有更高的渐近效率。即当样本量足够大时,广义矩估计达到真实参数值的距离比简单矩估计更近。虽然广义矩估计有诸多优点,但在实践中的使用并不广泛。其主要问题是求解相应目标函数极小值的计算。当相应目标函数不可导,不单调,甚至不连续时,求极小值的困难更为显著。本文提出新的方法是利用一个简单且并不需要精确的初始估计解决广义矩估计应用时的计算困难。实质就是先构造一个简单的渐近无偏估计,然后使用广义矩估计中的矩条件来校正简单初始估计的准确性。这种新方法的主要思路是把初始参数估计和相关矩条件在该初始估计取值的一个线性组合作为一个新的参数估计。首先,这个新参数估计的计算不涉及对一个复杂目标函数极小化的求值计算。其次,这个新的参数估计比相应的广义矩估计更为准确。为了控制因使用过多矩条件而导致最后参数估计有限样本方差的增加,+本文还提出另一个新方法即矩阵正规化的方法,根据实际观察数据选择用于改善初始估计渐近效率的矩条件。为了研究和推广新方法之后广义矩估计在实践中的表现及可行性,本文将其与几个常用短期利率模型结合,并详细分析美国和其它几个知名国家短期利率的时间序列。短期利率模型中不同的模型参数可以用来描述其变化趋势以及未来的波动性对其当前利率水平的依赖程度。本文提及的短期利率模型中的参数估计有助于深入理解和判断美国联邦储备银行在不同时期调整短期利率的政策和风格。最后,本文还引申讨论了新方法的局限性与可拓展的方向。

关键词：广义矩估计短期利率随机游走再抽样方法效率增强估计

来源：评论

学校读者我要写书评

暂无评论

基于边际AFT模型的统计推断

基于边际AFT模型的统计推断

引用

作者：耿婷婷大连理工大学

学位级别：硕士

由于计算的困难,半参数AFT模型不如Cox比例风险模型应用广泛。近年来关于最小二乘估计和诱导平滑估计方程的发展为删失数据处理提供了有效的工具,使得AFT模型得以广泛应用。对于边际AFT模型,本文采用扩展的GEE方法应用于删失数据。它的... 详细信息

由于计算的困难,半参数AFT模型不如Cox比例风险模型应用广泛。近年来关于最小二乘估计和诱导平滑估计方程的发展为删失数据处理提供了有效的工具,使得AFT模型得以广泛应用。对于边际AFT模型,本文采用扩展的GEE方法应用于删失数据。它的优点在于,即使工作协方差阵是错误指定的,回归系数的估计量也具有相合性,且当工作协方差结构接近真实时,估计效率更高。每个边际的边际误差分布和回归系数允许是唯一的或者是根据需要跨边际共享的。初始估计量是具有Gehan权重的rank-based估计量,但是根据诱导平滑方法得到的更加容易计算。最终得到的估计量具有一致性和渐近正态性,方差估计通过扩充再抽样方法获得。在一个大规模的模拟研究中,尤其是当群内相关性很强时,我们分别考虑二元连续数据和二元离散数据两种情况下得到的估计量的工作效果,事实证明该估计量的有效性最高可达忽视群内相关性得到的估计量的三倍。最后,我们将方法应用于糖尿病视网膜病变数据中,检测单一变量及交互变量对患者的病情的影响。

关键词：边际AFT模型 GEE估计量诱导平滑最小二乘再抽样方法

来源：评论

学校读者我要写书评

暂无评论

基于再抽样模拟的唱票法Meta分析的假设检验

基于再抽样模拟的唱票法Meta分析的假设检验

引用

2016年中国生物统计学术年会

作者：何杰宇孙金芳王莉娜闵捷余小金东南大学公共卫生学院流行病与卫生统计学系

Meta分析方法作为综合统计分析一系列独立研究的强有力工具,在医学领域得到广泛应用.对于均数差,率比等常见效应量的综合,已经有成熟的统计方法和相关的软件实现.在基因表达谱研究的综合评价中,经典唱票法是对有统计学意义的研究进行清... 详细信息

Meta分析方法作为综合统计分析一系列独立研究的强有力工具,在医学领域得到广泛应用.对于均数差,率比等常见效应量的综合,已经有成熟的统计方法和相关的软件实现.在基因表达谱研究的综合评价中,经典唱票法是对有统计学意义的研究进行清点,因为其基于P值,而P值的大小受诸多因素影响而备受诟病.该法的另外一个缺点是,此方法只是简单地对样本进行计数和排序,没有考虑其不确定性,即不能像经典meta分析一样,可以对综合指标进行假设检验.Griffith在传统唱票法的基础上结合再抽样方法提出该指标的假设检验方法.本文将基于实例介绍该法的原理及SAS软件实现方法.

关键词：医学统计学再抽样方法假设检验荟萃分析

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：