基于多维混合柯西分布的点云配准

为提高三维点云在数据随机缺失和噪声干扰等复杂情况下的配准精度,提出一种基于多维混合柯西分布(MMC)的点云配准方法。将点云数学模型扩展为MMC模型,求解模型各参数,并构造出特征四面体,以优化旋转矩阵与平移向量;通过最大期望算法分别求出目标点云和待配准点云在MMC模型下的数据中心、协方差矩阵和权重的值。仿真与实验数据表明:与几种常用的算法相比,MMC算法即使在点云数据存在遮挡、缺失,大小不一致,含随机噪声,且具有无序性的条件下,也能精确配准,且具有良好的稳健性。     

带有缺失数据的非线性误差模型中参数的置信域

考虑协变量有测量误差且响应变量随机缺失的非线性模型.在条件分布形式已知的情况下,通过借补方法构造了参数的经验似然,提出了基于模拟的经验似然,证明了所构造的统计量都具有渐近x~2分布,所得结果可构造未知参数的置信域.     

毛细管电泳法检测胃癌APC基因第十一外显子的杂合缺失

采用聚合酶链反应(PCR)扩增了胃癌及癌旁正常组织中APC基因易发生杂合缺失的第十一外显子的部分碱基序列,扩增样品分别经96℃变性和Rsa Ⅰ酶切处理,以毛细管电泳(CE)-单链构象多态性(SSCP)、CE-限制性片段长度多态性(RFLP)、聚丙烯酰胺凝胶电泳(PAGE)-SSCP对其杂合缺失情况进行检测.PAGE凝胶...     

增强六手臂缺失支柱手性拉胀超材料力学性能理论研究

前期研究工作中, 基于有限元分析, 作者发展了一种在大变形范围内具有可调恒定负泊松比的新型增强六手臂缺失支柱手性拉胀超材料. 为了揭示微观结构?力学性能关系, 并进一步指导超材料目标参数设计, 本文在小变形框架下基于能量法建立了表征该拉胀材料等效泊松比和弹性模量的理论模型. 增强六手臂缺失支柱手性拉胀材料由“Z”型手臂元件组成. “Z”型手臂可以被假设为两端简支的欧拉?伯努利梁. 因此, 本文首先推导了两端受集中力和力偶的任意形状欧拉?伯努利梁的应变能. 然后, 考虑平衡条件和变形协调条件进一步给出了材料等效泊松比和弹性模量的理论表达式. 研究表明只有“Z”型梁的内外手臂比为2:1时, 理论表达式才有简洁的形式. 为了更好地利用所推导的理论表达, 基于理论推导, 本文开发了MATLAT图形用户界面 (GUI). 在GUI中输入可描述该超材料几何形状的独立几何参数, 即可直接获取其等效泊松比和弹性模量. 最后, 基于理论结果, 系统讨论了超材料微结构几何参数对其等效力学性能的影响, 并将理论解与有限元计算结果进行了对比. 结果表明, 可以通过调控微结构几何参数获取大范围的目标力学性能.      

调查问卷中含缺失数据的等级变量的补缺方法

讨论了调查问卷中等级变量缺失数据的补缺问题.基于多元统计学理论,并结合总体趋势和个体偏差,提出一种新的补缺方法,方法使得补缺值更加准确、真实,并且将此方法扩展到变量等级数不相等的调查问卷之中.     

2PL模型的EM缺失数据处理方法研究

项目反应理论(IRT)模型是教育统计与测量中一种十分重要的模型,它包含项目参数和能力参数.目前一种常用的估计IRT模型项目参数的方法是由Woodruff和Hanson(1997)应用EM算法给出的,它用于完全反应数据,而把能力参数看作缺失数据.本文将Woodruff的方法推广到处理缺失反应的情况,基本思想是把能力参数和缺失反应均看作缺失数据,再运用EM算法估计参数.通过模拟研究,在不同被试人数和不同缺失比例的情况下,本文比较了我们给出的方法和BILOG-MG软件的缺失数据处理方法的参数估计效果.结果表明,在大多数情况下,本文提出的方法能得到更好的估计.     

缺失数据下Pareto分布参数的经验Bayes双边检验问题

本文讨论了缺失数据下Pareto分布参数的经验Bayes(EB)双边检验,利用概率密度函数的核估计构造了参数的经验Bayes检验函数,在适当的条件下证明了所提出的经验Bayes检验函数的渐近最优(a.o.)性,并获得了它的收敛速度.     

核实数据下响应变量缺失的线性EV模型经验似然推断

考虑响应变量随机缺失而协变量带有误差的线性模型,借助于核实数据和借补方法,构造了回归系数的两种经验似然比,证明了所提出的估计的经验对数似然比渐近于一个自由度为1的独立χ2变量的加权和;而经调整后所得的调整经验对数似然比渐近于自由度为p的χ2分布,该结果可以用来构造未知参数的置信域.此外,我们也构造了响应均值的调整经验对数似然比统计量,并证明了所提出的统计量渐近于x2分布,可用此结果构造响应均值的置信域.通过模拟研究比较了置信域的精度及其平均区间长度.     

基于SMOTE和KNN的石油数据缺失填充算法

大数据环境下,数据缺失是一种普遍现象,由此带来数据决策偏差等问题.针对石油生产数据缺失问题,提出一种基于SMOTE和KNN的数据填充SMKNN算法.受不平衡数据集过采样的启发,SMKNN算法在KNN算法基础上采用SMOTE算法选取近邻随机插值产生的数据作为近似缺失值,同时,采用多重填补思想求平均值作为填充数据.分别采用UCI机器学习标准数据集和大庆油田某井区生产数据进行实验,验证了SMKNN算法不仅能填充数据,而且提高了准确率.     

因变量缺失下部分线性变系数模型的稳健估计

本文讨论因变量缺失下部分线性变系数模型在误差项和解释变量都含有异常点时的稳健估计问题。首先用局部加权线性光滑方法得到非参数部分的稳健估计,然后再得到参数部分的估计,并证明参数和非参数估计量的渐近正态性。最后模拟研究有限样本下估计量的表现。