已閱讀1頁(yè)，還剩34頁(yè)未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨機(jī)搜索變量選擇(George and McCulloch(1993))是線性回歸模型中最流行的變量選擇方法之一。文獻(xiàn)中對(duì)改進(jìn)其計(jì)算效率做了很多工作，然而這些嘗試大多數(shù)都改變了原有的貝葉斯公式，這樣的比較是有失公平的。本學(xué)位論文的主要關(guān)注點(diǎn)是在保持原有貝葉斯公式不變的前提下，提高隨機(jī)搜索變量選擇的計(jì)算效率。這是通過(guò)不同于George and McCulloch(1993)的一種新的Gibbs抽樣實(shí)現(xiàn)的，該方法的一個(gè)顯著特點(diǎn)是它是以一種逐
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于Gibbs抽樣的關(guān)聯(lián)規(guī)則挖掘研究.pdf
- 變維Markov鏈Monte Carlo抽樣策略及在貝葉斯變量選擇和序列motif搜索中的應(yīng)用.pdf
- 變量抽樣方法運(yùn)用淺析
- 基于隨機(jī)搜索策略的特征選擇算法研究.pdf
- 38850.正態(tài)雙卵模型的gibbs抽樣算法
- 簡(jiǎn)單隨機(jī)抽樣、系統(tǒng)抽樣、分層抽樣
- 11.1隨機(jī)抽樣
- 簡(jiǎn)單隨機(jī)抽樣
- 基于Gibbs抽樣方法的可變參數(shù)GARCH模型研究及其應(yīng)用.pdf
- 基于Gibbs抽樣的有約束多項(xiàng)分布模體識(shí)別算法.pdf
- 基于隨機(jī)優(yōu)化的抽樣.pdf
- 基于隨機(jī)搜索策略的多標(biāo)簽特征選擇方法研究.pdf
- 基于變量選擇偏差的變量選擇過(guò)程.pdf
- 簡(jiǎn)單隨機(jī)抽樣說(shuō)課稿
- 隨機(jī)抽樣知識(shí)講解
- 簡(jiǎn)單隨機(jī)抽樣1
- 簡(jiǎn)單隨機(jī)抽樣教案
- 簡(jiǎn)單隨機(jī)抽樣教案
- 隨機(jī)抽樣,教學(xué)設(shè)計(jì)
- 基于Gibbs抽樣和EM算法的生物保守序列motif識(shí)別.pdf
評(píng)論
0/150
提交評(píng)論