發(fā)布時(shí)間：2024-06-23 11:52

　　在生物醫(yī)學(xué)等眾多領(lǐng)域中,有時(shí)會(huì)有幾個(gè)不同來源、不同類型的數(shù)據(jù)集針對(duì)同一問題進(jìn)行研究。例如,在嬰幼兒生長(zhǎng)的影響因素研究中,研究者既會(huì)收集規(guī)模較小的隊(duì)列數(shù)據(jù),也會(huì)收集規(guī)模較大的基于抽樣調(diào)查的橫截面數(shù)據(jù)。由于兩者數(shù)據(jù)類型不同,研究者通常對(duì)他們分別建模分析。但由于這兩類數(shù)據(jù)研究的問題相同,搜集的變量相似,如能將兩者有機(jī)結(jié)合,進(jìn)行聯(lián)合建模,將會(huì)顯著提高總的樣本量,大大提升研究的效果。目前這方面的研究很少,本文將重點(diǎn)研究將隊(duì)列數(shù)據(jù)與橫截面數(shù)據(jù)聯(lián)合建模的方法,并將該方法應(yīng)用到嬰幼兒生長(zhǎng)的影響因素分析中。本文首先介紹了k均值聚類算法,以及如何通過k均值聚類算法,將每個(gè)個(gè)體只有一次觀測(cè)值的橫截面數(shù)據(jù),聚類成每個(gè)個(gè)體具有多次觀測(cè)值的偽隊(duì)列數(shù)據(jù)。接著,本文介紹了一種已有的函數(shù)型混合效應(yīng)模型,并重點(diǎn)介紹如何在此基礎(chǔ)上開發(fā)出一種拓展的函數(shù)型混合效應(yīng)模型。原模型在對(duì)隊(duì)列數(shù)據(jù)進(jìn)行分析的時(shí)候,所有個(gè)體的隨機(jī)效應(yīng)對(duì)應(yīng)同一個(gè)協(xié)方差函數(shù)γ(t,s),所有個(gè)體的測(cè)量誤差對(duì)應(yīng)同一個(gè)時(shí)變方差函數(shù)σ²(t)。拓展后的模型中,對(duì)于不同組別的隊(duì)列數(shù)據(jù),引入了不同的協(xié)方差函數(shù)以及誤差方差函數(shù)。在對(duì)真實(shí)隊(duì)列數(shù)據(jù)與偽隊(duì)...

【文章頁數(shù)】：45 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-1k均值聚類迭代圖

第二章方法介紹聚類算法:具體算法流程如下，其中k是指定的類的個(gè)數(shù)，質(zhì)心是每個(gè)類的均值向量，距離量度則常用歐幾里得距離和余弦相似度。1，首先確定一個(gè)k值，即將數(shù)據(jù)集聚為k個(gè)類別。2，從數(shù)據(jù)集中隨機(jī)選擇k個(gè)數(shù)據(jù)點(diǎn)作為質(zhì)心。3，對(duì)數(shù)據(jù)集中每一個(gè)點(diǎn)，計(jì)算其與每一個(gè)質(zhì)心的距離(如歐式距離)....

圖3-3不平衡樣本量下的模擬估計(jì)結(jié)果:μ(t)

第三章模擬研究圖3-3不平衡樣本量下的模擬估計(jì)結(jié)果:μ(t)以及它的95%置信帶.(第1,2,3行依次對(duì)應(yīng)情形V,VI,VII;方法JFMM,CW依次對(duì)應(yīng)第1,2列)-20-

圖3-4不平衡樣本量下的模擬估計(jì)結(jié)果:β(情形V,VI,VII;方法JFMM,CW依次對(duì)應(yīng)第1

§3.2模擬結(jié)果分析圖3-4不平衡樣本量下的模擬估計(jì)結(jié)果:β(t)以及它的95%置信帶.(第1,2,3行依次對(duì)應(yīng)情形V,VI,VII;方法JFMM,CW依次對(duì)應(yīng)第1,2列)-21-

圖4-1橫截面數(shù)據(jù)觀測(cè)時(shí)間點(diǎn)分布

第四章實(shí)際數(shù)據(jù)分析本章對(duì)兩組有關(guān)嬰幼兒生長(zhǎng)的的實(shí)際數(shù)據(jù)集進(jìn)行聯(lián)合建模分析。本章首先介紹了實(shí)際數(shù)據(jù)的來源與結(jié)構(gòu)，其次通過k均值聚類將橫截面數(shù)據(jù)聚類成為偽隊(duì)列數(shù)據(jù)，最后用本文提出的新方法JFMM以及已有方法CW分別對(duì)由偽隊(duì)列數(shù)據(jù)及真實(shí)隊(duì)列數(shù)據(jù)構(gòu)成的聯(lián)合數(shù)據(jù)集進(jìn)行分析與比較�！�4.1數(shù)....

本文編號(hào)：3995425