|
混合双重广义线性模型的参数估计
收藏
袁巧莉, 吴刘仓, 戴琳
高校应用数学学报. 2017 (3): 267-276.
在实际应用中, 不同类别的数据统计特性存在差异, 所以对异质总体的研究非常有必要. 基于总体一, 二阶矩存在, 利用双重广义线性模型对异质总体的不同子类数据的均值和散度同时建模, 研究提出了混合双重广义线性模型. 然后, 利用EM算法构造了模型参数的最大扩展拟似然估计和最大伪似然估计. 最后, 通过随机模拟和实例研究, 结果表明模型和方法的有效性和有用性.
|
|
基于径向基的自适应惩罚样条回归模型
收藏
丁梦珍, 杨联强, 江坤, 王学军
高校应用数学学报. 2017 (3): 306-314.
传统惩罚样条回归模型中惩罚项的设置未考虑数据的空间异质性, 因而对复杂数据的拟合缺乏自适应性. 文章通过对径向基函数的几何意义分析, 以节点两侧相邻区域内数据点的纵向极差为基础, 构造局部惩罚权重向量并加入到约束回归模型的惩罚项中, 构造了基于径向基的自适应惩罚样条回归模型. 新模型在观测数据波动较大的区域, 给予拟合曲线较小的惩罚, 而在观测数据波动较小的区域, 给予拟合曲线较大的惩罚, 从而使拟合曲线能自适应地反映观测数据的局部变化特征. 模拟和应用结果显示新模型的拟合效果显著优于传统的惩罚样条回归模型.
|
|
低分辨率医学图像的多图谱分割方法
收藏
贺光华, 祝汉灿, 梁克维
高校应用数学学报. 2017 (3): 371-378.
基于多图谱的图像分割方法因其分割精度高和鲁棒性强, 在医学图像分割领域被广泛研究, 主要包含图像配准和标签融合两个步骤. 目前对多图谱分割方法的研究通常都是在图谱图像和待分割目标图像具有相同分辨率的情况下展开的. 然而, 由于受图像采集时间, 采集设备等影响, 临床实践中采集的影像大多是低分辨率数据, 使得目前在影像研究中广泛使用的方法无法有效应用于临床实践. 因此, 针对这一问题, 我们结合图像超分辨率回复方法, 提出了精确鲁棒的低分辨率医学图像的多图谱分割方法. 实验结果显示提出的方法显著地提高了多图谱分割方法的分割精度.
|
|