排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
动态血压监测的聚类结果与其他临床信息相结合,可探究不同的血压特征,从而实现更准确的诊断和更深入的研究。考虑到动态血压监测每次有多个测量值,并且由于不同原因导致存在缺失数据,本文结合凝聚层次聚类以及高斯混合模型提出了一种可以有效处理动态缺失数据的新聚类方法,其中的高斯混合模型通过EM算法加以求解。我们通过数值模拟验证了所提聚类方法的效果,并在一组真实动态血压数据分析中发现该聚类方法可以有效甄别隐匿性高血压的病例,从而为临床医生提供一个有效的诊断辅助工具。 相似文献
2.
在过去的30年中分位数回归模型的研究已十分深入.然而在实际的应用场景中,由传统估计方法所得到的分位数回归估计量,经常会在不同分位数水平上出现互相交叉的现象,这给分位数回归模型的实际应用造成了解释和预测上的困难.为解决这个问题,本文提出一种带单调约束的半参数多指标分位数回归模型的研究框架.首先将半参数多指标分位数回归模型与充分降维模型相结合,并利用两者间的联系获得指标估计量的相合估计.之后使用张量积样条方法拟合半参数模型在单调约束条件下的非参数结构.通过数值模拟的方式比较所提方法与现有可行方案所得结果在平均预测误差上的差异,实验结果和实际案例的结果都验证了本文所提出模型的可行性. 相似文献
1