李翰芳
- 作品数：32 被引量：64H指数：5
- 供职机构：湖北工业大学理学院更多>>
- 发文基金：国家自然科学基金湖北省教育厅人文社会科学研究项目博士科研启动基金更多>>
- 相关领域：理学经济管理自动化与计算机技术文化科学更多>>
- 我国各地区经济发展及能耗分析
- 2009年
- 基于多元统计分析中的主成分分析,选用8项能耗指标,利用SAS软件将2006年我国各地区经济发展中的能耗情况进行排序、分类,再用对应分析分别对各地区进行单项指标分析,最后将各地区GDP进行聚类分析,结合3类分类指标综合分析我国目前经济发展在资源消耗方面的现实状况,以期为各地区经济的健康发展和宏观决策提供更好的思路.
- 李翰芳
- 关键词：GDP能耗主成分分析聚类分析
- 确定型有穷自动机状态极小化的研究
- 在树图分割法基础上,对确定型有穷自动机的极小化进行了研究.利用树图分割法,可以在状态的3次方时间内对确定型有穷自动机状态进行极小化.
- 李翰芳罗幼喜
- 关键词：确定型有穷自动机等价关系
- 文献传递
- 随机效应生长曲线模型的一个注记(英文)被引量：1
- 2012年
- 讨论回归系数估计的稳健性一直是回归分析中的一个热门话题.对于含随机效应的生长曲线模型,由于其响应变量观测之间不独立使得该问题的讨论异常困难,特别是当其设计矩阵非满秩时.本文不仅给出了当设计阵非满秩时广义最小二乘估计等于最佳线性无偏估计的充要条件,而且还在误差协差阵为任意正定阵的一般假设下给出了广义最小二乘估计与极大似然估计相等的充要条件.利用这些结论我们得到了在几种常见协差阵假定下广义最小二乘估计与极大似然估计相等的推论.文章最后还分别在设计阵满秩和非满秩情形下对所得理论结果进行了模拟演示.
- 罗幼喜田茂再李翰芳
- 关键词：广义最小二乘估计极大似然估计最佳线性无偏估计
- 面板数据贝叶斯双惩罚分位回归方法研究被引量：2
- 2022年
- 在面板数据混合效应模型中,大量未知随机效应的存在,给模型参数估计带来极大困难;同时随机误差的分布未知,不同分布下的随机误差会增加模型计算的复杂度,对固定效应与随机效应系数的变量选择与估计带来困难。为了解决这一问题,本文建立贝叶斯双Adaptive Lasso分位回归模型,将Adaptive Lasso惩罚函数同时引入到含固定效应与随机效应的面板数据中,构造参数估计的Gibbs抽样算法。蒙特卡罗模拟结果表明,该方法不仅能准确估计不同面板数据模型的参数系数,还能对重要变量进行选择。
- 舒婷罗幼喜李翰芳
- 关键词：分位回归贝叶斯方法
- GCM中方差分量的MINQE(U,I)及其优良性
- 2006年
- 给出了生长曲线模型中方差分量的无偏不变最小模二次估计,并且讨论了它成为一致最小方差不变二次无偏估计的充要条件.
- 罗幼喜李翰芳
- 关键词：方差分量
- 我国各地区城市居民食品消费结构的统计分析被引量：4
- 2007年
- 根据我国各地区居民食品消费支出,运用因子分析得出影响我国居民食品消费结构的5个主要的公共因子,针对这5个主要的公共因子运用聚类分析对各地区的食品消费结构进行划分,得出7类食品消费类型.并结合相关营养学知识和各地区自身的特点提出一些优化食品消费结构的参考意见.
- 罗幼喜李翰芳
- 关键词：食品消费结构聚类分析
- 混合效应模型的非参数贝叶斯分位回归方法研究被引量：3
- 2016年
- 本文对混合效应模型提出了一种非参数贝叶斯分位回归方法,通过引进一种新的分层有限正态混合分布,将分位回归建模时对随机误差项的假定放宽至仅有分位点约束之下。通过对混合比例参数假设广泛灵活的Stick-Breaking先验,使得模型捕捉复杂数据分布信息的能力更强。在建立的非参数贝叶斯分层分位回归模型中引入潜变量,使模型参数估计的Gibbs抽样算法中原来每次需要计算(2M)N项函数值变为每次只需计算N项即可。蒙特卡罗模拟显示,在误差分布函数变得较为复杂时,非参数贝叶斯分位回归方法比参数方法在估计效果上有更大的优势。
- 李翰芳罗幼喜田茂再
- 关键词：混合效应模型
- 从“721”人才培养模式谈工科数学研究性教学的重要性被引量：5
- 2016年
- 高校人才培养模式的改革带来了课程教学方式的转变,从传统的讲授式教学方式向研究性教学方式的过渡是素质教育的大势所趋。本文首先简单介绍了"721"人才培养模式的内容,接着结合本校当前大学数学教学情况,指出工科数学采用研究性教学方式是十分重要的。文章重点从素质教育、创新和研究主体三个方面阐述了研究性教学方式对"721"人才培养模式的重要性,该方式有利于教学质量的提高和创新人才的培养。
- 贺方超李翰芳董秀明
- 关键词：工科数学研究性教学
- 面板数据分位回归模型中固定与随机效应的选择被引量：3
- 2016年
- 随机效应的引入为面板数据建模中样本相关和异方差问题提供了重要解决途径,过多的随机效应不仅会极大地增加模型复杂度,而且给固定效应系数的估计带来偏差。文章在考虑到随机效应具有整体性基础上,以横截面个体为单位,对其进行整体压缩。通过对固定和随机效应分别引入不同形式的条件Laplace先验,构造了一种与Group Lasso-Lasso惩罚相等价的贝叶斯双惩罚分位回归估计方法。通过设计切片Gibbs抽样算法,快速有效地解决了模型参数估计问题。计算机模拟显示,该方法不仅能对固定和随机效应参数进行精确估计,而且能对模型中真实包含的固定和随机效应进行自动选择。
- 罗幼喜李翰芳田茂再
- 关键词：GROUP
- 基于最大信息系数的关联性特征选择算法:MICCFS
- 2023年
- 针对基于关联性特征选择算法(CFS)对于回归任务只能识别变量线性关系和分类任务使用对称不确定性度量的不足,提出一种基于最大信息系数(MIC)的CFS特征选择算法:MICCFS.将回归任务中衡量变量间的线性相关系数和分类任务中的对称不确定性度量改进为MIC度量方式.运用最佳优先搜索算法搜索特征子集,以UCI机器学习数据库中11个回归数据集和10个分类数据集为实验对象,采用支持向量机、k近邻算法、朴素贝叶斯模型、决策树四种分类器,比较了MICCFS和CFS以及常用特征选择方法SVMRFE、Lasso、MIM、Relief F、Chi-Square的效果,结果表明MICCFS具有一定优势.
- 罗幼喜谢昆明胡超竹李翰芳
- 关键词：降维
