剔除数据对Almon估计的交叉影响

从距离角度讨论一次剔除多组数据对Almon估计产生的影响大小,得到了它与广义相关系数之间的不等式关系,给出了影响的上下界。同时讨论了剔除二组数据时的Cook距离与剔除一组数据时Cook距离之间的关系。此外还建立了Almon估计中的A-P统计量,从数据矩阵的角度讨论了多组数据对Almon估计产生的影响。给出了一次剔除二组数据和一次剔除一组数据时A-P统计量之间的等式关系。     

基于集成学习的人类LncRNA大数据基因预测

长非编码RNA(LncRNA)在表观遗传调控、转录后调控和人类疾病中发挥着重要作用,利用机器学习方法从海量的RNA数据中识别出LncRNA十分必要。本研究提出一种基于集成学习的LncRNA大数据基因预测新方法。首先提取序列碱基出现频率的86个特征作为原始特征集合,其次,基于GA-SVM选取出最优特征,以SVM五折交叉验证的准确率作为适应度,最后构建AdaBoost算法与SVM相结合的基因预测模型(AdaBoost-SVM)。实验结果表明:AdaBoost-SVM模型对测试集LncRNA的预测准确率为89.26%,优于RF、SVM和DWT-SVM3种预测模型的结果。     

数据删除对Almon估计的影响与相关系数

建立了判定数据的删除对Almon估计影响的度量———方差比。并找到了方差比与相关系数之间的内在联系。     

判定数据对Almon估计的影响度量与广义相关系数

讨论了数据的剔除对Almon估计的影响,提出了一次剔除多组数据时度量数据对Almon估计影响的W-K统计量,建立了此度量与广义相关系数之间的不等式关系。     

探测数据对边界条件下回归模型影响的度量

本文建立了边界条件下度量数据影响的Cook距离。W-K统计量和A-P统计量。计论了它们的统计性质,并用它们研究了数据对边界约束最小二乘估计及拟合值的影响,得到了一些有意义的结果。     

贝叶斯估计的方差比和广义方差比

用剔除数据扰动的方式,从估计效率角度讨论了数据的剔除对贝叶斯估计的影响大小,建立了判定数据影响的度量与相关系数及广义相关系数之间的等式关系,揭示了影响度量与相关性之间的内在联系。