期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
项目反应理论框架下的新等值方法——对数对比等值法 被引量:10
1
作者 丁树良 熊建华 毛萌萌 《心理学报》 CSSCI CSCD 北大核心 2003年第6期835-841,共7页
项目反应理论有一些以除法形式给出的多级评分模型 ,若采用Haebara等值法、Stocking_Lord等值法或对称相对熵等值法进行测验等值 ,都因其对初值有较高要求而可能导致失败。针对这一类模型 ,我们给出了一种新的等值方法———对数对比等... 项目反应理论有一些以除法形式给出的多级评分模型 ,若采用Haebara等值法、Stocking_Lord等值法或对称相对熵等值法进行测验等值 ,都因其对初值有较高要求而可能导致失败。针对这一类模型 ,我们给出了一种新的等值方法———对数对比等值法。这种方法收敛快 ,对迭代初值要求低 ,所得结果精度较高 ,可以为其他等值方法提供良好的初值。研究表明 ,对数对比等值法还改进和推广了 0 - 1评分的两参数Logistic模型的Logit变换等值法。 展开更多
关键词 多级评分模型 测验等值 对数对比等值法 初值
下载PDF
多元成分数据的对数衬度偏最小二乘通径分析模型 被引量:8
2
作者 孟洁 王惠文 《数理统计与管理》 CSSCI 北大核心 2009年第3期436-442,共7页
本文研究多元成分数据的路径关联关系的建模问题,提出多元成分数据的对数衬度PLS通径分析模型.将中心化对数比变换与PLS通径分析方法相结合建立模型,其主要优势在于:①PLS通径分析模型对数据没有严格的分布假设要求,特别适于成分数据这... 本文研究多元成分数据的路径关联关系的建模问题,提出多元成分数据的对数衬度PLS通径分析模型.将中心化对数比变换与PLS通径分析方法相结合建立模型,其主要优势在于:①PLS通径分析模型对数据没有严格的分布假设要求,特别适于成分数据这类分布复杂的数据建模;②成分数据中心化对数比变换后的变量完全多重相关,PLS方法能够有效解决这一问题;③PLS通径分析模型特别适于多元成分数据这类具有层次关系的数据结构的建模,通过结构模型揭示多元成分数据之间的整体性路径关联关系,通过测量模型揭示成分数据与其成分分量之间的构成关系.更重要的是,本文的方法研究遵循成分数据所特有的代数基本理论,推导出模型的成分数据对数衬度隐变量的表达形式,从理论上证明了该建模方法的科学合理性.最后,将本方法用于北京市三次产业的投资结构、GDP结构、就业结构的路径关联关系的分析中,通过实证研究验证模型的可行性和应用价值. 展开更多
关键词 成分数据 对数比 对数衬度 偏最小二乘通径分析
原文传递
Soft spectral clustering ensemble applied to image segmentation 被引量:6
3
作者 Jianhua Jia (12) jjh163yx@163.com Bingxiang Liu (1) Licheng Jiao (2) 《Frontiers of Computer Science》 SCIE EI CSCD 2011年第1期66-78,共13页
An unsupervised learning algorithm, named soft spectral clustering ensemble (SSCE), is proposed in this paper. Until now many proposed ensemble algorithms cannot be used on image data, even images of a mere 256 &#... An unsupervised learning algorithm, named soft spectral clustering ensemble (SSCE), is proposed in this paper. Until now many proposed ensemble algorithms cannot be used on image data, even images of a mere 256 × 256 pixels are too expensive in computational cost and storage. The proposed method is suitable for performing image segmentation and can, to some degree, solve some open problems of spectral clustering (SC). In this paper, a random scaling parameter and Nystrǒm approximation are applied to generate the individual spectral clusters for ensemble learning. We slightly modify the standard SC algorithm to aquire a soft partition and then map it via a centralized logcontrast transform to relax the constraint of probability data, the sum of which is one. All mapped data are concatenated to form the new features for each instance. Principal component analysis (PCA) is used to reduce the dimension of the new features. The final aggregated result can be achieved by clustering dimension-reduced data. Experimental results, on UCI data and different image types, show that the proposed algorithm is more efficient compared with some existing consensus functions. 展开更多
关键词 spectral clustering (SC) Nystrrm approxi-mation centralized logcontrast transform principal component analysis (PCA) ensemble learning
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部