期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
Studies on Room Temperature Ionic Liquid Prepared from InCl_3-MBIC 被引量:2
1
作者 PengTIAN JiaZhenYAGN 《Chinese Chemical Letters》 SCIE CAS CSCD 2002年第11期1061-1062,共2页
The phase diagram of InCl3-MBIC was constructed by DSC method. A clear, colorless and mobile ionic liquid was obtained and liquid down to 258 K. Both Raman scattering and ab initio calculations indicate that InCl4- ... The phase diagram of InCl3-MBIC was constructed by DSC method. A clear, colorless and mobile ionic liquid was obtained and liquid down to 258 K. Both Raman scattering and ab initio calculations indicate that InCl4- is the predominant anion. 展开更多
关键词 Ionic liquid Raman scattering phase diagram INCL3 mbic ab initio calculation.
在线阅读 下载PDF
基于MBIC的决策树聚类算法在连续语音识别中的应用 被引量:1
2
作者 陈国平 杜利民 +1 位作者 付跃文 王劲林 《计算机应用》 CSCD 北大核心 2005年第12期2792-2795,共4页
提出了一种采用最小贝叶斯信息准则(MinimumBayesianInformationCriterion,MBIC)来最优化控制决策树结点分裂程度的算法。首先在理论上证明了MBIC能够较好地解决模型参数复杂度与训练数据集规模之间的权衡问题,然后给出了基于MBIC的决... 提出了一种采用最小贝叶斯信息准则(MinimumBayesianInformationCriterion,MBIC)来最优化控制决策树结点分裂程度的算法。首先在理论上证明了MBIC能够较好地解决模型参数复杂度与训练数据集规模之间的权衡问题,然后给出了基于MBIC的决策树分裂停止准则的计算公式。汉语连续语音全音节识别实验表明:与传统的最大似然准则(MaximumLikeihoodCriterion,MLC)相比,MBIC对声学模型参数和训练数据集的变化具有更好的适应能力。 展开更多
关键词 连续语音识别 决策树聚类 最小贝叶斯信息准则 分裂停止准则
在线阅读 下载PDF
基于筛选排序算法的多均值变点估计 被引量:1
3
作者 李扬 吴密霞 +1 位作者 胡尧 杨超 《工程数学学报》 CSCD 北大核心 2022年第3期401-412,共12页
多均值变点估计问题是目前统计界的一个热点问题。文献中已有多种算法处理该问题,其中筛选排序算法(Screening and Ranking algorithm,SaRa)由于具有快速检测和高精度的特点而被广泛关注。值得注意的是,该算法在筛选步骤的阈值选取倾向... 多均值变点估计问题是目前统计界的一个热点问题。文献中已有多种算法处理该问题,其中筛选排序算法(Screening and Ranking algorithm,SaRa)由于具有快速检测和高精度的特点而被广泛关注。值得注意的是,该算法在筛选步骤的阈值选取倾向于保守,其主要原因是SaRa算法中方差参数采用了分段方法进行估计。本文的主要目的是改进多均值变点估计的SaRa算法。首先,运用局部多项式结合交叉验证方法给出了误差标准差的一个全局估计,并将其应用于初筛变点步骤中。然后,通过对候选变点的局部诊断函数值进行排序,进而结合MBIC准则得到了最终的变点估计。数值模拟结果显示了本文所提出的改进的SaRa算法在变点的数目及位置的估计准确率均高于现有的方法。最后,将该方法应用于深圳市车流量实际数据,通过分析该区域的工作日及非工作日变点分布特点,可为交管部门和出行人群提供参考建议。 展开更多
关键词 多均值变点 局部多项式估计 交叉验证 筛选排序 mbic准则
在线阅读 下载PDF
高维数据变量选择中MCP正则化参数选择研究 被引量:1
4
作者 张肖萍 吴炜明 王延新 《统计学与应用》 2019年第6期852-858,共7页
大数据时代,高维数据的变量选择是现代统计的研究热点问题之一。MCP正则化方法是常用的变量选取方法,但MCP正则化方法的优劣取决于能否选取出最优的正则化参数。本文在BIC准则的基础上,提出适用于MCP正则化参数选择的MBIC准则。通过数... 大数据时代,高维数据的变量选择是现代统计的研究热点问题之一。MCP正则化方法是常用的变量选取方法,但MCP正则化方法的优劣取决于能否选取出最优的正则化参数。本文在BIC准则的基础上,提出适用于MCP正则化参数选择的MBIC准则。通过数据模拟及实际应用表明,MCP方法在MBIC准则下能够以更高的概率选择正确的模型,MBIC准则明显优于其它参数选择方法。 展开更多
关键词 变量选择 mbic MCP 正则化参数 高维数据
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部