贝叶斯变量选择相关论文
基于Dirichlet分布的混合广义线性模型不仅能满足多个模型的建模需求,且应用十分广泛,对研究复杂类模型有着重要的意义。贝叶斯方......
在临床医学、生物学、经济学、保险学和人口统计学等领域中,经常遇到删失数据。由于观测对象加入试验、退出试验的时间不一致或者......
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......
分位数回归是一种重要且应用广泛的回归方法,可以作为均值回归的重要补充。由于具有诸多优良特性,分位数回归正在受到越来越广泛的......
模型选择一直是统计学研究的重要及热门课题,其中基于贝叶斯的变量选择独树一帜。此类方法通过引入不同的先验信息,再结合似然,从......
在生物医学、社会学、经济学以及教育心理学等领域常常遇见大量的缺失数据。在已有的研究成果中,大多都是在可忽略缺失数据机制的......
随着基因组测序技术和生物信息学的迅猛发展，近几年涌现了大量与疾病相关的组学数据即所谓高维数据。对于这类组学数据，共同特点是自......
针对新型机械设备仿真优化过程中普通Kriging模型无法建立的问题，给出一种新的Kriging模型构建方法-B—Kriging模型。采用贝叶斯变......
本文针对响应变量取值为(0,1)区间上的比例数据研究Beta回归模型的贝叶斯变量选择方法。首先通过选取合适的先验分布,基于贝叶斯随......
当数据呈现厚尾特征或含有异常值时,基于惩罚最小二乘或似然函数的传统变量选择方法往往表现不佳.本文基于中位数回归和贝叶斯推断......
针对当前状态数据中的比例风险模型提出了一种基于期望-最大化的贝叶斯变量选择方法.该模型能够同时进行参数估计和变量选择,有效......
针对非正态响应的部分因子试验，当筛选试验所涉及的因子数目较大时，提出了基于广义线性模型（generalized linear models，GLM）的贝叶斯变......
在科技水平高度发达的今天,试验几乎无处不在地作为一个工具来研究复杂的过程和系统。一个试验包含有两个方面：设计和分析。前者的......
慢性阻塞性肺病(COPD)是一种发病率、死亡率都非常高的疾病,且COPD的诊断和严重程度分级依赖于肺功能的检查,但是由于肺功能检查仪......
高通量的“组学”数据中蕴含着与疾病相关的生物标志物,为深入研究疾病的发生发展机制带来了前所未有的机遇。但是,如何从高维高通......
应用 Gibbs 抽样和 MH 算法研究单纯形分布广义线性模型的贝叶斯变量选择问题。定义了包含模型不确定性的单纯形分布广义线性模型，......
回 回 产卜爹仇贱回——回 日E回。”。回祖 一回“。回干 肉果幻中 N_。NH lP7-ewwe--一”＄ MN。W;- __._——————》 砧叫]们......
受Kuo和Mallick思想的启发,文章应用Gibbs抽样和MH算法研究单纯形分布联合位置与散度模型的贝叶斯变量选择问题。模拟研究的数值例......
模型选择是统计分析的重要组成部分,也是大多数科学工作的中心.研究人员收集数据后经常希望能够得到一个较好描述数据特征的模型,......
目的探索基于胃肠道病变高维影像数据的计算机辅助诊断模型,特别为医疗资源匮乏地区提供胃肠腺瘤检测的机器学习技术。方法选取UCI......
面板数据模型是现代计量经济学研究中的一个备受关注的模型,而空间面板数据模型(SPDMs)是其拓展和延伸。空间面板数据模型不但考虑......
受Kuo和Mallick思想的启发,文章应用Gibbs抽样和MH算法对联合均值与方差模型的贝叶斯变量选择问题进行研究。数值例子说明了该变量......
最近几年的时间里,生物统计学家对基因-环境(G-E)之间的交互作用越来越感兴趣,尤其是在全基因组关联分析研究中,协变量p的个数要远......
本文在Bernoulli拟似然框架下基于贝叶斯方法研究比例数据的变量选择问题。通过引入系数的"spike and slab"先验分布,应用EM算法提......
对多元线性回归问题中的变量选择进行研究，改进现有的贝叶斯自适应抽样（BAS）方法，在实现整体不放回抽样的前提下，局部引进放回抽样的方......
因子效应原则(效应稀疏原则、效应排序原则和效应遗传原则)经常用于评判因子设计理论与数据分析策略的合理性.针对非正态响应的部......
