基于多维伪F统计量的基因表达动态聚类分析方法研究

K-均值聚类分析算法是一种广泛应用于基因表达数据聚类分析中的迭代变换算法,它通过指定类别数K,基于给定的聚类目标函数,并采用迭代更新的方法,使得最终的聚类结果的目标函数值为极小值,达到较优的聚类效果。针对K-均值聚类分析算法存在参数依赖性强,且在整个聚类过程中类的数目无法改变的缺点,引入动态调整聚类个数的思想和多维伪F统计量,提出了一种基于多维伪F统计量的基因表达动态K-均值聚类算法。实验结果表明该算法可以动态调整聚类个数,给出最佳聚类数目,从而获得较好的聚类质量。

基于第二类统计量的K分布参数估计

为了高效估计出K分布的参数,提出了对数累积量参数估计方法。基于第二类统计量,先对K分布的概率密度函数进行Mellin变换,从而获得K分布的第二类第一特征函数;然后对第二类第一特征函数进行对数变换,由此获得K分布的第二类第二特征函数;最后对第二类第二特征函数求导数,进而获得K分布的前两阶对数累积量,由此可以估计K分布的参数。与传统的最大似然估计方法相比,K分布的对数累积量估计具有解析的表达式,易于计算。Monte Carlo仿真表明,基于第二类统计量的K分布对数累积量估计可获得较高的估计精度。

基于多维伪F统计量的基因序列图形动态聚类研究

利用动态调整聚类个数的思想,在模糊C-均值聚类算法基础上引入基于多维PFS判别函数,提出一种基于多维伪F统计量的基因表达动态C-均值聚类算法。以H5N1病毒基因序列数字特征提取为例,在聚类分析过程中直接利用数字特征矩阵作为分析数据,结果表明该算法可以动态调整聚类个数,给出最佳聚类数目,从而获得较好的聚类质量。

寿命分布类的次序统计量的联合分布

本文把计算次序统计量的联合分布由两个次序统计量的情况推广到K个次序统计量的情况 ,并求出了一些常用的寿命分布类的k个次序统计量的联合分布。

基于伪F统计量的模糊聚类方法在医疗质量综合评价中的应用

目的探讨一种新的基于伪F统计量的最佳聚类分析方法,该方法不需要预先选择类的数目作为先验值。并有效地应用于医疗质量的综合评价。方法首先,应用FCM模糊聚类法(Fuzzy Clustering Method)进行聚类,然后应用PFS(PseudoF-statistics)统计量作为一个判别函数来确定最佳类数目。结果将该方法应用于某院2002年度各科室医疗质量综合评价,得到了一种合理的综合评价结果。结论该方法基于没有聚类数据的任何先验知识和组成成分信息的前提下,考虑如何确定数据的分类结构。根据应用的情况,发现该方法是医疗质量综合评价的有力工具。

基于灰色动态聚类-粗糙集的装配式建筑施工安全评价指标体系优化

建立合理的装配式建筑施工安全评价指标体系是规范装配式建筑安全施工的关键,引入灰色动态聚类和粗糙集属性约简相结合的方法对指标进行约简分析。利用灰色关联分析法建立样本间的灰色关联矩阵,并利用F-统计量确定最优阈值,以确定样本的最佳分类;逐一删除每个指标,采用灰色动态聚类方法对剩余指标进行聚类分析,得出其最佳聚类结果;运用粗糙集约简理论,对比删减某一指标和全部指标下的最佳聚类结果,保留与原始最佳聚类结果不同即对样本分类有影响的指标。这一举措实现了安全评价指标的有效筛选,减少了后续施工安全评价的工作量,确保了安全评价的准确性,同时也为装配式建筑现场施工管理工作提供了指导。

合理进行多元分析——变量聚类分析

本文目的是介绍与变量聚类分析有关的基本概念、计算方法、两个实例以及SAS实现。基本概念包括变量聚类分析、相似系数、变量聚类方法、类成分和类结构;计算方法涉及相似系数法计算过程和特征值法计算过程;两个实例涉及的资料分别是“60名正常男性10项指标的测定结果”和“36只兔子的7项指标测定结果”;借助SAS对两个实例中的定量资料进行了全面的变量聚类分析,并对输出结果给出了解释。

检验统计量对假设检验影响效果分析

基于单正态总体的两个参数的假设检验,通过理论分析与数值结果论证了检验统计量在假设检验效果影响因素中的核心地位.

树状扫描统计量在他汀类药物不良反应主动监测中的应用

目的:通过树状扫描统计量(TreeScan)挖掘鄞州区域医疗数据库的他汀类药物的不良反应(ADR)信号,评价TreeScan方法的ADR信号检测能力。方法:选取2010~2016年鄞州区域医疗数据库中18岁以上高血压人群为研究对象,研究目标药物为他汀类药物,通过门诊处方和住院医嘱中的药品名称信息识别他汀类药物暴露情况,根据门诊和住院诊断信息《国际疾病分类》第十次修订本(ICD-10)编码识别ADR。参考国外一项系统综述总结的用于识别ADR的ICD-10编码集建立标准信号,同时通过检索已公开发表的系统综述和Meta分析及药品说明书确定标准阳性和阴性信号。采用诊断试验评价方法评价ADR信号挖掘方法的真实性,评价指标包括灵敏度、特异度、阳性预测值、阴性预测值、正确率、约登指数和受试者工作特征(ROC)曲线下面积(AUC)。结果:共纳入224 187例研究对象,其中他汀组85 758例,非他汀组138 429例。将126种ADR作为标准信号,其中13个阳性信号,113个阴性信号。在原始数据下TreeScan一共发现29个阳性信号(P<0.05),与标准信号对比,其中9个是真阳性信号。方法的灵敏度、特异度、阳性预测值和阴性预测值分别为69.23%,82.30%,31.03%和95.88%。正确率、约登指数和AUC值3种综合性指标分别为80.95%,51.53%和75.77%。结论:TreeScan方法能够同时对大量不同水平、互相有重合的ADR进行检测,并能有效地解决多重假设检验问题。其产生的信号数量适中且假阳性较少,可以作为其他ADR挖掘方法的一种补充,为我国的药品安全主动监测提供新的参考。

偏相关系数作为聚类统计量在棉花性状分类上的应用

1 偏相关系数作为1种聚类统计量的方法聚类分析的尺度多达数百种,在对生物性状进行分类时,常采用性状间简单相关系数作为尺度统计量。尚未见到利用偏相关系数进行聚类的报道。简单相关系数是变量的直接相关和通过其它变量间接相关综合作用的表现,并不能真实刻划两个性状间的相关或相似的程度,据此而进行聚类,自然会导致结果不能令人信服。为此。

基于AUC统计量的随机森林变量重要性评分的研究

随机森林（random forest,RF）是高维组学数据常用的分析方法,在进行判别分析时,同时能够给出变量重要性评分（variable importance measure,VIM）。RF的变量重要性评分通常有两种,一种方法是通过变量值的置换计算其重要性,第二种方法是通过基尼（Gini）指数计算其重要性,由于置换法比Gini指数法具有更好的非偏倚性能,因此多采用置换法进行变量筛选。

空间U统计量法在遥感蚀变信息提取中的应用研究

鉴于传统蚀变异常信息提取方法的局限性,试图在二维光谱特征空间(即散点图)中研究遥感蚀变信息的提取方法。在二维散点图中,两个波段灰度值的联合分布体现了各向异性的特点,聚类常呈类似椭圆形分布。对散点图中点的频数使用空间U统计量法逐个获得地物聚类的椭圆参数,将每个椭圆内的点映射到遥感图像上,经过目视解译,最终获得蚀变异常信息的空间分布。以青海省巴音山地区蚀变信息提取为例,对空间U统计量方法进行了应用,并将提取的异常区域与已获得的各种数据进行对比,发现铁化和泥化区域吻合度较高,取得了比主成分分析更好的蚀变信息提取效果。

不同类变量下属性聚类的朴素贝叶斯分类算法

朴素贝叶斯(NB)分类算法虽是一种简单且有效的分类方法,但其条件属性独立性假设忽略了属性变量间存在的相关性。考虑到条件独立性假设对分类效果的影响,提出一种新的将条件属性进行聚类的分组技术,不仅避免了传统朴素贝叶斯算法假设各条件属性间独立的这一缺陷,而且反映出了在不同类别情况下条件属性间具有的不同依赖程度。经过对UCI的几个数据集的仿真实验,结果表明了新算法的有效性。

统计量复杂性估计及其在机器学习中的应用

定义并估计了假设空间的统计量复杂性.据此可以找到一个基数性不超过假设空间的VC(Vapnik-Chervonenkis)维多项式级的线性经验泛函集,利用该线性经验泛函集可以构造以所需的任意精度逼近假设空间中的任一函数的学习算法.同时给出了随机生成这些泛函的方法.

海面雷达散射及其杂波幅度统计特性的空间遍历性数值仿真研究

海面雷达散射的空间遍历性是开展海面散射数值仿真以及分析不同体制雷达系统在海洋遥感应用中算法适用性的重要基础之一。针对随机粗糙海面雷达散射及其杂波幅度统计特性的空间遍历性问题,基于Monte Carlo方法构建包含全部大尺度波浪的粗糙海面模型,利用高精度的全波数值(multilevel steepest decent-sparse matrix canonical grid,MLSD-SMCG)方法以及二阶小斜率近似(2nd-order small slope approximation,SSA-2)模型,分别对不同雷达照射尺寸的一维和二维粗糙海面L波段归一化雷达散射系数及海杂波进行仿真,并对海面雷达散射和海杂波幅度分布的空间遍历性进行分析。仿真结果表明:在无海面遮挡效应的雷达入射和散射角度范围内,雷达照射尺寸大于16λ(入射波波长)粗糙海面的同极化归一化雷达散射系数,具有良好的空间遍历性;当雷达照射海面尺寸不小于对应海况下最大风浪尺度的25%时,海面交叉极化的归一化雷达后向散射系数也表现出空间遍历性。相比海面散射的归一化雷达散射系数,单站海杂波幅度分布在高海况条件下空间遍历性减弱。同极化海杂波幅度分布随着入射角增大,表现出更显著的空间遍历性,而交叉极化情况则相反。

模糊F统计量及其应用

将数理统计学中的F统计量进行模糊化修改,得到新的模糊聚类有效性函数。实验结果表明,该函数是可行的。

关于两种检验统计量为单峰分布时的最佳双边检验

根据检验统计量的不同在两种情况下证明了单峰分布的最佳双边检验是存在且唯一的,同时给出了求参数最佳双边检验需满足的条件;并且将最佳双边检验与传统检验进行了比较.最后讨论了最佳双边检验与最短区间估计的关系.

多组独立样本下一般统计函数类的渐近性质

统计学家 Paul Janseen等人于 1984年引入了一般统计函数类 ,巧妙地运用 Ga^ teaux微分及 U统计量的一些结果得到了一般统计函数类的渐近正态性质 .本文在他们工作的基础上进行了推广 ,引入了多组样本条件下的一般统计函数类 ,并利用 Generalized- U统计量的性质及 Ga^ teaux微分得到了多组独立样本下一般统计函数类的渐近正态性质 .

取定检验统计量的最佳双边检验

研究了未知参数进行假设检验时构造的检验统计量.在不同检验统计量的情况下证明了最佳双边检验是存在且唯一的,同时给出了求参数最佳双边检验需满足的条件;并且将最佳双边检验与传统检验进行了比较,最后给出了一个应用实例.

一种劣质数据上统计量的获取方法

随着数据时代的发展,劣质数据越来越普遍存在于数据库中,严重影响了数据的质量,这给数据管理带来了新的挑战.目前,已经有很多管理劣质数据的数据模型面世,实体数据模型就是其中一种,模型以每条元组表示一个现实世界中的实体,允许劣质数据的存在,鉴于该模型的特点,在进行查询操作时,要根据查询语句和数据的相似程度判断数据是否满足用户需求,因此在实体数据模型相似判断的查询操作中,统计数据库中某条记录大约可以和多少记录相似即能为查询优化工作做一定的贡献,本文就如何获取这个统计量展开研究并提出一种有效的聚类算法解决这个问题。