大样本

摘要： 随着计算机行业的迅猛发展,人类社会逐渐迈入大数据时代。面对大规模右偏性和厚尾分布的数据,Gamma回归模型发挥着非常重要的作用。然而如何快速并准确估计出Gamma回归中感兴趣参数成为值得思考的热点问题。在本文中,我们提出两种两步算法分别有效地逼近Φ已知Gamma回归和Φ未知Gamma回归在全数据下的最大似然估计,从而解决了单参数与双参数大样本Gamma回归估计问题。首先在Φ已知情况下,可证明出在给定全数据下一般子抽样估计量渐近服从正态分布,推导出使估计量渐近均方误差最小的最优子抽样概率。为了进一步降低计算量,我们还提出了另一种最优子抽样概率。由于最优子抽样概率取决于未知参数,我们还提出了单参数两步算法。其次在Φ未知情况下,我们基于单参数两步算法提出了双参数两步算法。最后使用数值模拟表明两种算法的计算效率高,也证实了通过单参数两步算法得到的估计量与双参数两步算法得到的估计量差距不明显。

摘要： 变异系数是衡量产品质量稳定性的一个重要指标,在实际应用中经常需要研究两种不同环境下变异系数的差异问题。文章在大样本场合给出了两个正态分布变异系数的差与商的近似置信区间、单侧近似置信下限与单侧近似置信上限的计算公式,这些公式计算简单,仅依赖于两个样本变异系数及样本容量,且Monte-Carlo模拟结果表明可以达到给出的置信水平。同时,通过几个算例可以为方法的应用提供参考。

摘要： 文章考虑了大样本下线性回归中同时进行快速估计和变量选择的问题,即针对一个存在稀疏解的大样本线性模型,根据重要性抽样分布从全数据集抽取少量子样本,对该子样本进行自适应Lasso估计。通过随机模拟研究,将该算法分别应用在几种不同的数据集中,并从模型预测精度和可解释性两个方面比较了四种子抽样方法在该算法下的表现。模拟结果表明,所提出的算法具有良好表现,在计算开销上也具有一定优势。

摘要： 基于大规模语音样本的声调分析软件在基础语音分析功能的同时,创造性地设计并实现了批量处理通过大容量词表调查获取的大量单音节词语音样本数据的程序,分析流程包括:音频载入、提取基频、确定声调段、筛选F0数据、数据预处理、数据归一化、调值估计、数据聚类,整个过程全自动运行。该方法的应用价值在于能够与广泛使用的小样本分析方法形成参照、有效地挖掘出声调系统细微的变异与演变信息、为音系整理工作提供些许便利。

摘要： 针对广义对数正态分布的参数估计问题,首次提出了广义对数正态分布形状参数一种新的强相合的点估计量,并给出推导证明过程。利用逆变换抽样方法对点估计量进行数值模拟,将点估计和极大似然估计、贝叶斯估计结果进行对比,结果表明这种点估计方法在进行相关大数据分布模型参数估计时,具有较好的应用价值。

摘要： 就目前缺乏针对电动汽车性能进行评估的行驶工况,对电动汽车行驶工况构建方法展开研究。收集了成都市30辆电动汽车3个月的道路行驶数据,提取了8 599条运动学片段,采用主成分分析对特征参数降维处理,通过轮廓系数和肘部法确定聚类数目,并结合粒子群算法的全局搜索能力优化K均值聚类算法的聚类中心,构建了基于大样本、时长为1 502 s的电动汽车行驶工况。结果表明,构建的工况与样本数据库特征参数的相对误差不超过5%,平均相对误差为2.28%;与国内外城市行驶工况对比,存在较大差异,有必要对电动汽车行驶工况展开研究。

摘要： 传统基于日志的异常检测方法依赖于人工分析,适用于数据量小的系统,而对于复杂且庞大的日志系统,其检测效率往往很低,无法满足要求。随着机器学习的发展,检测手段发生了根本的转变,检测效率及性能也大幅提高。对于同一个日志系统,针对不同的日志预处理方法及机器学习算法,尤其对日志模板及特征的提取目前还没有统一的成熟模型,导致最后得到较大差异的检测准确率、性能等指标。本文基于监督学习方法提出大样本日志异常检测优化方法,将数据集进行日志解析得到精确的日志模板,再进行日志序列的向量化处理,使用逻辑回归监督学习算法进行分类训练与测试,结合不同的测试指标来选取最佳的参数,最终得到最优模型。实验结果证明,经此方法获取的模型能够达到较优的检测结果。

摘要： 天文学也要进行“人口”普查?天文史上最重要的照相巡天是哪两个?中国有哪些大视场、大样本数字化巡天计划?未来的天文巡天将如何发展?且听陈建生院士--讲述。天文学是一门观测科学,和其他科学一样,它有普查(巡天)观测和精细观测两种研究模式。普查(巡天)观测的任务是了解系统的整体性质,如整体的状态、分布、结构等性质及发现特殊天体;精测则是对典型成员或普查中发现的有趣天体进行深入的了解。

摘要： 铁钢界面铁水温度对炼钢生产的控制与优化具有重要意义.因此,为了更加准确地获取铁钢界面铁水温度,本文采用较大样本构建了基于遗传算法(GA)优化的BP神经网络铁水温度预测模型.对影响铁钢界面铁水温度的因素分析,选取了出铁时间、预处理时间、重罐时间、空罐时间、出铁铁水温度、预处理后铁水温度、铁水质量7个关键因素作为模型的输入,铁钢界面铁水温度作为输出.结果表明:GA-BP神经网络预测模型具有较好的性能表现,绝对误差10°C范围内的预测命中率达到了89％,平均绝对百分比误差(MAPE)为0.39％,均方根误差(RMSE)为6.41°C.相比于BP神经网络预测铁钢界面铁水温度,GA-BP模型具有更高的精确度和稳定性.

摘要： 本文通过研究一个具体的经济时间序列数据，首先运用Box-Jenkins方法进行建模并给出结论，但通过模拟发现系数并不满足通常的大样本理论下的渐进正态的结论，从而得出相应结果不可信的结论，然后采用靴鑻(bootstrap)方法进行估计，得出可信的结论，并对于广大科技工作者给出建议。

摘要： 本发明涉及一种基于大样本的利用煤的工业分析计算元素分析方法。在大样本情况下，根据煤的元素分析与工业分析中的对应关系，通过煤的工业分析数据，采用线性的最小二乘法、非线性的人工神经网络或支持矢量机进行拟合，计算煤的含碳量c、含氢量h、含氧量o、含氮量n和含硫量s，从而完成对煤的元素分析。本发明对于大样本数量的煤质进行数学处理，得出的煤的元素分析具有良好的精度，且该分析方法成本低廉。

摘要： 本发明涉及一种基于知识推理的生物学大样本数据集分析方法、系统及装置，方法包括：收集m个案例的第一序列信息；定义条件变量和结果变量，数据集编码；计算单个条件变量的必要性指数；条件变量统计学检验；最小化推理及案例支持率计算；条件组合统计学检验；迭代计算；本生物学大样本数据集数据所得到的解为每次计算所得到的结果的集合；系统包括：包括序列检测模块，编码模块，必要性指数计算模块，条件变量统计学检验模块，最小化推理模块，条件组合案例支持率计算模块，条件组合统计学检验模块，迭代计算管理模块；装置包括：测序仪，存储器，处理器。

摘要： 一种基于大样本数据驱动的颅神经纤维自动分割方法，使用FreeSurfer工具进行脑区分割，应用基于球面反卷积(SD_STREAM)的确定性跟踪方法对原始DTI数据进行脑干和小脑部分的纤维跟踪，在多样本配准和聚类方法得到的颅神经纤维图谱基础上，对样本数据映射配准得到目标颅神经纤维束。相比较常用的手动绘制ROI和剔除错误纤维的方法，本发明排除人为操作引入的的主观性，同时保证纤维束成像确定性，减小数据误差，能够为颅神经纤维分割提供高效、精确、稳定、可重复的方法。

摘要： 本发明公开了一种基于区域分割和GAN模型的骨骼断层轮廓大样本库生成方法。步骤一：构建带有区域特征和层级属性的模板；步骤二：基于模板区域映射的初始轮廓样本库的构建；步骤三：基于形态特征信息和GAN模型的轮廓样本库的扩展。本发明针对骨外科临床骨折病例中受损骨骼的3D模型修复问题，提供了一种科学合理的骨骼断层轮廓样本库的生成方法，基于这种方法所构建出的大样本库再通过计算机技术和机器学习技术能够快速准确地对受损骨骼进行智能修复，从而为骨外科医生进行手术治疗提供一种计算机辅助手段，具有重要的骨科临床实际应用意义和应用前景。

摘要： 本发明公布了一种对大样本空间复杂概率分布的无自相关采样方法，目的是解决MCMC方法的自相关问题以及跳步采样的效率损失问题。技术方案是：在产生样本时，通过设置样本缓冲区，消除样本之间的关联；或者作为后处理方法，按顺序读取已产生的样本，通过样本缓冲区更新样本序列，以消除样本序列自相关。每次产生一个样本，或者从文件中读取到一个样本时，将得到的样本存储到样本缓冲区中，并在缓冲区充满时从缓冲区中随机选择样本进行输出。通过这种随机输出的方式在样本之间增加了一层额外的随机性，最终达到消除样本序列自相关的目的。采用本发明计算速度快，维持了MCMC效率，额外增加的缓冲区操作的开销相对可忽略，同时消除了样本自相关。

摘要： 本发明公开了一种二维重叠大样本数据源的细粒度知识图谱融合方法，包括：S1.对知识图谱相对应的属性三元组进行迭代式的实体对齐，得到对其的实体对集合，对实体对进行相似度的多层次分级，得到高置信度的实体对；将得到的高置信度实体对作为嵌入式模型的训练数据集，利用关系三元组做嵌入式模型的结构化嵌入，得到实体和关系的高维空间向量表示，对属性和关系设置权重，得到属性和关系最终的相似度；S2.根据得到的相似度对实体属性进行筛选，得到属性最终的相似度；S3.基于机器学习训练得到的分类器模型、原子表达式算法自动完成高置信度实体对和属性的知识特征融合；S4.基于知识特征融合，完成双向监督交互式数据融合。

摘要： 本发明公开了一种基于大样本的基因‑环境互作关联分析方法，通过采集目标个体的基因序列、环境信息、表型信息，构建基因‑环境检测线性混合模型，并基于预处理共轭梯度法、矩估计方法对基因‑环境检测线性混合模型进行求解，构建服从于卡方分布的基因‑环境互作得分测试统计量，然后应用基因‑环境互作得分测试统计量，完成对基因序列与环境信息是否存在互作效应的判断，该方法可以快速识别多个环境信息对基因‑环境互作位点的基因的影响，适用于大样本的基因‑环境互作关联快速检测。

摘要： 本发明涉及一种基于知识推理的生物学大样本数据集分析方法、系统及装置，方法包括：收集m个案例的第一序列信息；定义条件变量和结果变量，数据集编码；计算单个条件变量的必要性指数；条件变量统计学检验；最小化推理及案例支持率计算；条件组合统计学检验；迭代计算；本生物学大样本数据集数据所得到的解为每次计算所得到的结果的集合；系统包括：包括序列检测模块，编码模块，必要性指数计算模块，条件变量统计学检验模块，最小化推理模块，条件组合案例支持率计算模块，条件组合统计学检验模块，迭代计算管理模块；装置包括：测序仪，存储器，处理器。

摘要： 本公开涉及一种多杂质大样本量液体的微生物富集装置，包括预过滤组件和微生物富集组件，所述的微生物富集组件包括了由亲水纤维材料制成的微生物富集单元，所述的亲水纤维材料的吸液量大于5g/g，纤维材料组成的微生物富集单元单位体积的克重大于0.15g/cm3，所述的微生物富集装置检测效率大于1200s/10L。本公开的富集装置能够显著地提高目标微生物的检出率，且以纯棉脱脂纱布作为滤芯层能够让装置重复利用，方便更换内部滤芯层结构，降低使用成本。

摘要： 本实用新型公开了一种慢性病大样本病例数据发布机，包括机箱和机座，所述机箱的表面设置有显示屏，机箱的内壁设置有处理器，机座的内底壁固定连接有伺服电机，伺服电机的输出轴固定连接有第一驱动轮和第二驱动轮，机座的内底壁转动连接有风扇，风扇的连接轴表面固定连接有从动轮，机座的两侧面均固定连接有衔接板。该慢性病大样本病例数据发布机，该装置在移动时，自锁万向轮受力带动第一伸缩柱在第一伸缩筒内滑动，从而使第一减震弹簧伸缩，同时伸缩连接板转动带动第二伸缩柱在第二伸缩筒内滑动，从而使第二减震弹簧伸缩，利用第一减震弹簧和第二减震弹簧的弹簧力将振动产生的力分散，从而保护了机箱内的电器元件。