期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
多个总体的非参数检验法及其应用
1
作者 施丽影 《武汉体育学院学报》 CSSCI 北大核心 1990年第3期57-58,共2页
当我们进行各种类型的参数检验时,往往需要了解总体分布的形态,但是,在我们搜集的数据中,有相当一部分数据其内在分布不易辨明,为了处理这一类数据,需要采用不依赖于某种特定的总体分布的方法,这就产生了非参数统计方法。检验步骤: H检... 当我们进行各种类型的参数检验时,往往需要了解总体分布的形态,但是,在我们搜集的数据中,有相当一部分数据其内在分布不易辨明,为了处理这一类数据,需要采用不依赖于某种特定的总体分布的方法,这就产生了非参数统计方法。检验步骤: H检验方法与两个总体的秩和检验方法基本相同,实际上也是检验总体的中心位置,只是使用的统计量不同而已。(1) 由于属多个总体,所取数据较多,可先在每个样本内按数据由小到大的顺序排列。(2) 将所有样本数据混合在一起,再按数据由小到大的顺序编以秩号。 展开更多
关键词 教师教学质量 非参数检验 总体分布 非参数统计方法 检验方法 内在分布 取数据 统计量 秩和检验 样本数据
下载PDF
Laws of motion of particles in a jigging process
2
作者 KUANG Ya-li ZHUO Jin-wu +1 位作者 WANG Li YANG Chao 《Journal of China University of Mining and Technology》 EI 2008年第4期575-579,共5页
The laws of motion of particle groups in a jigging process are studied. These describe the macroscopic phenomena that occur during jigging. During jigging the heavier and bigger particles concentrate at the bed bottom... The laws of motion of particle groups in a jigging process are studied. These describe the macroscopic phenomena that occur during jigging. During jigging the heavier and bigger particles concentrate at the bed bottom while lighter and smaller particles move to the upper part of the bed. Particles with equivalent properties tend to concentrate at a certain position centered around the inherent height of their distribution. The particle distribution variance gradually diminishes to some asymptotic value. The state equation group of the jigging bed is deduced and a calculation method, called the λ value judgment method, is proposed. The method is used to calculate the layer number and the inherent height of each particle group. A mathematical expression for the particle distribution variance is also given. 展开更多
关键词 JIGGING particle group state equation inherent height distribution variance
下载PDF
密度加权孪生支持向量回归机 被引量:3
3
作者 程昊翔 王坚 《控制与决策》 EI CSCD 北大核心 2016年第4期755-758,共4页
为了使数据集的内在分布更好地影响训练模型,提出一种密度加权孪生支持向量回归机算法.该算法通过k近邻算法计算获得每个数据点基于数据密度分布的密度加权值,并将密度加权值引入到标准孪生支持向量回归机算法中.算法能够很好地反映训... 为了使数据集的内在分布更好地影响训练模型,提出一种密度加权孪生支持向量回归机算法.该算法通过k近邻算法计算获得每个数据点基于数据密度分布的密度加权值,并将密度加权值引入到标准孪生支持向量回归机算法中.算法能够很好地反映训练数据集的内在分布,使数据点准确影响训练模型.通过6个UCI数据集上的实验结果分析验证了所提出算法的有效性. 展开更多
关键词 密度加权 K近邻法 内在分布
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部