公共文化服务平台

搜索到699篇“ GIBBS抽样“的相关文章

基于Gibbs抽样算法的两参数Pareto分布的Bayes估计被引量：1: 2023年; 本文在非正常先验分布下讨论了基于Linex非对称损失函数的两参数Pareto分布的Bayes估计,证明了Linex损失函数下的Bayes估计是可容许的,并利用Gibbs抽样算法进行了Bayes估计实现;通过数值模拟,比较了极大似然估计与Bayes估计的风险。结果表明:Pareto分布的尺度参数的Bayes估计效率一致高于极大似然估计;在小样本情形下,当损失函数的尺度参数大于0时,Pareto分布的形状参数的Bayes估计的效率高于极大似然估计。; 李凡群韦善然; 关键词：PARETO分布极大似然估计 BAYES估计 GIBBS抽样 LINEX损失

基于Griddy--Gibbs抽样的MA模型参数估计研究: 利用时间序列对数据进行建模和预测是一个非常有效的方法,滑动平均模型(简记为MA模型,Moving Average Model)是时间序列三大基础模型之一.参数估计是时间序列建模过程中非常重要的组成部分.因此,本文引入贝叶...; 陈旭; 关键词：参数估计

基于OpenMP的Gibbs抽样正负关联规则算法研究: 2022年; 大数据集中挖掘正负关联规则是关联规则挖掘的重要研究内容。负关联规则挖掘存在挖掘关联规则数量多、难度大等问题,因此针对大数据集中挖掘正负关联规则提出一种基于OpenMP的Gibbs抽样正负关联规则挖掘算法。该算法通过Gibbs抽样从原始数据集中挖掘得到重要的关联规则,并在Gibbs抽样的转移概率计算部分利用OpenMP并行技术进行加速。在只挖掘重要正负关联规则的同时,缩短挖掘时间,有效提高正负关联规则挖掘的效率。在UCI蘑菇数据集中使用该算法,实验结果显示该算法在大数据集中具有较好的表现。; 徐佳; 关键词：GIBBS抽样正负关联规则 OPENMP

基于三参数Logistic模型Gibbs抽样方法的敏感度分析被引量：1: 2022年; 通过蒙特卡罗(Monte Carlo,MC)方法研究了三参数Logistic(three-parameter Logistic,3PL)模型的Gibbs抽样方法的估计效果。首先,介绍了3PL模型的定义和参数的先验分布;其次,介绍了潜变量的引进及Gibbs抽样过程;最后,进行了模拟实验,考虑了不同的测试长度n=10,20和40,不同的样本容量N=1000,2000和5000,以及项目参数取不同的先验假设下的实验情况。对于结果的评价指标为均方根误差(root mean squared error,RMSE)和偏差(bias)。实验结果表明,随着测试长度或样本容量的增大,RMSE逐渐减小,当项目参数的先验分布方差取值较小时,获得的RMSE比较小。因此,对于3PL模型,当样本容量不是很大或者是测试长度不够长时,项目参数采用方差较小的先验分布可以得到比较准确的估计结果。; 付志慧周末; 关键词：项目反应理论 GIBBS抽样

Two-parameter logistic模型的Gibbs抽样敏感度分析——基于Pólya-Gamma分布: 2022年; 项目反应理论(item response theory,IRT)在教育与心理测量中有着重要的应用价值,其主要针对被试者的能力及被试者对测试项目的“正确作答概率”进行建模。主要讨论了两参数logistic项目反应理论模型(two-parameter logistic item response model,2PL)下基于PólyaGamma分布的Gibbs抽样方法的贝叶斯估计效果。针对2PL模型,通过Monte Carlo模拟研究了基于Pólya-Gamma抽样方法的估计效果,并讨论了该抽样方法针对不同先验的敏感度。在模拟实验中,具体讨论了测验长度、被试样本及先验分布等因素,最终汇报了2个统计量——偏差(BIAS)和均方根误差(root mean squared error,RMSE)来检验参数的估计效果。模拟分析表明,基于Pólya-Gamma的抽样方法的参数估计结果是比较准确的。; 付志慧山丹丹周末王立柱; 关键词：GIBBS抽样

基于改进Gibbs抽样的入库径流过程预报误差模拟被引量：1: 2021年; 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合多元联合分布函数上的困难,将其视为随机过程的多个相互关联的时段变量,基于Gibbs抽样方法在多变量联合模拟上的优势,应用数据挖掘技术改进其满条件概率的前提条件,提出了基于改进Gibbs抽样的入库径流过程预报误差模拟方法。以雅砻江锦屏一级水库入库径流过程预报误差模拟为例,应用结果表明,相对于目前已有的多元联合分布函数拟合的模拟方法,改进Gibbs抽样对多个变量之间的相关关系的模拟更加准确,且生成相同数量的预报误差样本所需时间仅为目前已有方法的1/3,模拟效果和计算效率有较大提高,为入库径流过程预报误差模拟提供了一种更快速有效的方法。; 赵亚威纪昌明张验科马秋梅; 关键词：GIBBS抽样数据挖掘

基于切片Gibbs抽样方法的Logistic回归模型参数估计被引量：2: 2021年; 文章采用切片Gibbs抽样方法对多元Logistic回归模型的参数进行了研究。结果表明,在切片Gibbs抽样过程中通过引入辅助变量扩大参数空间,得到了参数的后验分布为截尾正态分布。在此基础上随机模拟显示,马氏链经过有限次迭代达到了平稳状态并且链的收敛速度较快,通过参数的自相关图得出自相关系数随迭代次数的增大呈减小趋势,即产生链的机理是正确的,说明该方法对估计Logistic回归模型是有效的。; 窦剑军葛成莉张辉国陶鹤; 关键词：LOGISTIC回归模型贝叶斯估计马尔科夫链

基于Gibbs抽样算法的函数型Logistic回归模型研究与应用: 随着对数据需求的日益增加，在许多领域对数据质量的要求都越来越高，对数据的分析也从低频数据分析向高频数据分析进行跨越，但在很多情形，我们获得的数据都为离散的数据，无法完全捕捉数据的信息，基于此Ramsay于1982年提出了...; 邓楠; 关键词：函数型数据 GIBBS抽样高频数据; 文献传递

贝叶斯桥估计：精确的Gibbs抽样器算法: 高维线性回归模型的桥估计具有许多良好的性质，如Oracle性、稀疏性和无偏性.然而，基于正态的尺度混合先验的贝叶斯正则化方法中，控制惩罚函数形状的凹度参数的全条件后验分布不仅不是常见的分布，且该分布的密度中含有无解析表达...; 朱海清; 关键词：贝叶斯正则化

基于Gibbs抽样门限自回归模型的参数估计被引量：2: 2020年; 基于贝叶斯统计推断以及模型随机项的基本假设,通过门限自回归(TAR)模型各参数与总体的共轭先验分布,利用蒙特卡洛模拟(MCMC)算法和Gibbs抽样从各参数的后验分布抽样,用后验均值来估计TAR模型的待估参数.通过模拟实验进一步验证基于贝叶斯统计推断在TAR模型参数估计中的有效性.; 蒋捷郑月晨周浩张慧增; 关键词：蒙特卡洛模拟 GIBBS抽样

相关作者