课程文献中心 更多>>

关键词： 不平衡数据   相似云过抽样   相似云欠抽样   混合抽样  

摘要： 不平衡数据的类内不平衡与类间不平衡对数据挖掘工作产生一定影响,为降低数据不平衡率,在数据层面进行重新抽样是主要方法之一。传统抽样方法只在概念外延(样本数据集合)层面生成新数据,没有体现概念外延(样本数据集合)到概念内延(抽样概念)的双向认知活动,合成数据缺乏新信息,且与原数据分布差异较大。针对以上问题提出三种抽样方法:基于相似云度量方法筛选与多数类更贴近的少数类,并利用云模型在贴近区域进行过抽样;基于相似云度量方法筛选与少数类更贴近的多数类,在贴近区域进行欠抽样;结合相似云过抽样和欠抽样的混合抽样算法。通过与传统欠、过抽样方法进行对比,探讨三种抽样方法的适用情况。主要结论如下: 1.基于相似云欠抽样方法,选择与少数类样本相似度高的多数类簇作为边界簇,在边界簇内删除数据,对平衡后数据建立Logistic回归模型,所得分类结果相较于原数据和传统抽样方法在全局准确度、查准率和查全率几何平均值(G值)、Fmeasure(F值)和AUC值上有明显提升。 2.基于相似云过抽样方法,选择与多数类样本相似度高的少数类簇作为边界簇,利用正向云发生器在边界簇内生成数据。对平衡后数据建立Logistic回归模型,所得分类结果相较于原数据在全局准确度上有一定提升。 3.基于相似云混合抽样方法,结合相似云过抽样与欠抽样进行混合抽样,对平衡后数据建立Logistic回归模型,所得分类结果相较于原数据和传统抽样方法在全局准确度、召回率和AUC值上有一定提升。 4.对三种抽样方法所得到的Logistic回归模型泛化能力进行探讨:对数量级较大数据进行相似云过抽样时可能出现过拟合现象;对数量级较小数据进行相似云欠抽样时可能出现欠拟合现象;基于相似云混合抽样在训练集上分类效果较好。 5.对于十级样本差,相似云欠抽样分类效果最好;对于百级样本差,相似云混合抽样分类效果最好;对于万级样本差,相似云过抽样分类效果最好。 图33幅;表44个;参57篇。

关键词： 大数据抽样   收缩估计   线性模型选择   均匀投影设计  

摘要： 大数据在日常生活中的应用越来越广泛。大数据的“大”的特征主要体现在样本数量多,且维数较高。由于这些特征存在,大数据给统计学的研究和发展带来了前所未有的挑战。例如,高维度会带来伪相关性,进而可能导致虚假的科学发现和错误的统计推断;处理样本量大的数据对计算机的性能要求过高,一般电脑无法对数据进行存储和分析。尽管目前存在一些处理大数据的方法,但由于这些方法所花费的时间较多,其效率常常是难以忍受的。因此需要一个更高效的方法来处理大数据所带来的问题。本文以线性模型为例,考虑通过子抽样来缩减数据量,即从完整数据集中抽取一个具有代表性的子数据集来进行后续分析。本文研究了四种子抽样方法,即均匀随机抽样(UNI)方法、基于正交表的子抽样(OSS)方法、基于均匀投影设计的子抽样(UPS)方法以及基于杠杆得分的子抽样(LEVSS)方法。对于高维可能带来的伪相关性问题,本文考虑根据选取的子数据集在不同方法下进行线性模型选择,所用的方法有基于贝叶斯信息准则(BIC)的最优子集选择方法以及收缩估计方法中的LASSO方法和SCAD方法。在数值模拟部分,对于来自不同分布的数据集,本文通过三种准则来评估上述子抽样方法的优良性。这三种准则分别是选择到真实模型的概率,选择到包含真实模型中全部变量的模型的概率以及参数估计的均方误差。模拟结果表明,UPS方法和LEVSS方法相较其余两种方法均有较好的表现,并且在多数情况下UPS方法会进一步优于LEVSS方法。

关键词： 区间观测器   切换系统   多智能体系统   集员估计方法   正系统理论  

摘要： 对于控制系统而言,如何准确且快速地获取系统的状态是一个非常重要的问题。然而,受限于测量传感器的性能以及一些客观的物理因素,实际控制系统的部分状态信息难以直接获取。因此,Luenberger提出了状态重构的思想,基于这一思想,部分学者针对确定系统的渐近观测器设计问题做了大量的研究工作,并取得了丰硕的研究成果。但是,外部干扰和输出噪声常常存在于实际控制系统中,针对此类不确定控制系统,Gouzé提出了区间观测器的设计方法,该观测器能够有效地重构出不确定系统的上下界。在对复杂系统的研究中,多模态系统和多个体系统是两个重要分支,其中多模态系统的重要代表为切换系统,多个体系统的重要代表为多智能体系统。由于这两类系统均容易收到外部扰动和噪声的影响,针对这类系统的区间观测器研究有着重要的理论意义和实际应用价值。基于以上问题,本文的主要内容如下:1.针对含有不确定项的切换系统,本章将观测器设计和集员估计结合以设计出一类新型的区间观测器。本章将其与传统的正系统理论方法和zonotope集员估计方法进行比较,从数学理论角度证明本文提出的新型区间观测技术具有更高的估计精度。最后,通过Boost升压变压器系统进行仿真实验,结果表明所设计的观测器是有效的并且估计精度比传统方法设计的区间观测器要高。2.针对含有不确定项的多智能体系统,本章提出了两类不同结构的分布式区间观测器,分别是基于单调正系统理论和集员估计方法来构造。其中集员估计方法所设计出的区间观测器不需要考虑系统矩阵的非负性问题且降低了区间估计的保守性。最后,通过一个飞行器集群的实际例子来证明了本文所提出的区间估计方法的有效性。3.基于上述所提出的两类分布式区间观测器,本部分设计出两种不同类型的一致性协议。第一类一致性协议是常规性的多智能体共识协议;第二类协议为鲁棒性一致性协议。与第一类一致性协议相比,第二类控制协议可以有效地减小系统扰动对一致性控制的影响,进而提高控制精度。最后,通过飞行器集群进行仿真,验证了本文提出的控制协议的有效性。4.针对具有非线性项的分数阶多智能体系统,本章设计出第一类分数阶分布式区间观测器。针对系统状态空间中的非线性函数,设计出一类针对非线性函数的边界约束,该类约束仅与系统误差的上下界相关。在对分数阶系统的稳定性研究中,还提出了一类针对分数阶系统的李雅普诺夫函数。最后,通过数值仿真验证所设计分布式区间观测器的有效性。

关键词： 蒙古牛   肉质   基因芯片   选择信号   拷贝数变异  

摘要： 蒙古牛原产于蒙古高原地区,是当地牧民不可缺少的乳、肉之源,且役用能力大、持久力强,能吃苦耐劳的优良品种。锡林郭勒草原属温带大陆性气候,风大、干旱和寒冷是其主要气候特点。锡林郭勒盟年均气温3.4℃,寒冷期长达7个月,1月份气温最低,最低温度可达42.4℃。在这种粗放而原始的饲养条件下,蒙古牛仍能正常生存,繁衍后代,具备优良的遗传稳定性。因此,蒙古牛能适应严寒天气和草原纯天然放牧等极恶劣的条件。本研究以放牧蒙古牛为试验动物,利用基因芯片研究了蒙古牛和蒙古牛与乌珠穆沁白牛杂交4代以上形成的乌珠穆沁白牛,分析蒙古牛全基因组拷贝数变异,研究蒙古牛有角无角的血液生化指标,测定了不同体况的蒙古牛肉品质以及营养成分,研究主要包括4个试验,各试验研究内容和结果如下:试验一、不同品种有角和无角牛血液生化指标比较研究。试验在夏季热应激期,随机选取60头内蒙古自治区锡林郭勒盟西乌珠穆沁旗放牧健康、年龄、体况相近的乌珠穆沁白牛、西门塔尔牛和蒙古牛3个品种的成年母牛,每个品种各20头(有角牛和无角牛各10头)作为试验牛,所有牛自由采食牧草,自由饮水。通过酶联免疫法进行测定免疫、抗氧化指标,血液生化指标,钠离子(Na+)、氯离子(CL-)、钾离子(K+)的含量。结果表明:在夏季热应激期间,西门塔尔牛和蒙古牛的血清Ig A、Ig G和Ig M含量均显著高于乌珠穆沁白牛,说明西门塔尔牛和蒙古牛的免疫功能优于乌珠穆沁白牛。相同品种的有角牛抗氧化能力优于无角牛,三个品种有角牛免疫功能要优于无角牛。在相同放牧条件下,有角牛的身体对炎热的抵抗能力可能优于无角牛,牛角对于机体散热功能有一定促进作用,同时对当地环境的适应能力可能更好,抗逆性和对粗饲料的耐受性均优于无角牛。试验二、不同体况评分蒙古牛肌肉肉品质的比较研究。冬季在内蒙古锡林郭勒盟苏尼特左旗家庭牧场随机选择健康、3岁左右的成年蒙古牛阉割公牛24头作为试验牛。试验牛常年自然放牧,冬季无补饲自由采食牧草和自由饮水。采用9分制评分标准。按照体况评分将其分为3组,每组8头,8分为高分组(FC)、7分为标准组(SC)、5分为低分组(TC)。屠宰后取背最长肌测定其营养成分、矿物质、氨基酸和脂肪酸。结果表明,不同体况评分蒙古牛肌肉人体必需氨基酸含量全部优于FAO/WHO规定的理想蛋白质模式,属于优质蛋白质食品。高分组蒙古牛牛肉中单不饱和脂肪酸含量略高于正常组和低分组蒙古牛,低分组蒙古牛牛肉中多不饱和脂肪酸含量显著高于高分组、正常组蒙古牛。三组蒙古牛MUFA/SFA比值相差不大。高分组蒙古牛具有肌肉色泽深红、p H正常、持水性强和熟肉率高。试验三、蒙古牛全基因组选择信号分析。在内蒙古呼伦贝尔和锡林郭勒草原的家庭牧场中随机选择年龄、体重相近、公母数量相同的蒙古牛50头,并在乌珠穆沁白牛群体中随机选择乌珠穆沁白牛22头,共计72只。记录其生长性状,血液样本使用Gene Seek Genomic Profiler High-Density(GGP HD 150K)进行基因分型,得到的分型结果进行选择信号分析。结果表明,研究利用牛SNPs芯片基因组数据,应用Fst方法构建了蒙古牛全基因组选择信号检测。共获得显著性位点553个,在这些选择区段中注释到143个可能受到正向选择的基因,筛选到的基因主要与生长、繁殖等性状相关。本研究发现与牛生产性状相关的基因:GABRB1、ZNF410、BLCAP、ZFAT、EFR3A、XKR4、TOX、SNX29。影响繁殖等重要经济性状的GABRB1、PPP3CC、NCOA、SERPINA5等基因。试验四、蒙古牛全基因组拷贝数特征分析。使用试验三得到的分型数据,在用PennCNV对分型数据进行CNV(拷贝数变异)的推断前,先用CNVRuler把蒙古牛群体中每个个体的CNV来拼接成CNVR。对拼接而成的CNVR进行q PCR验证,CNVR用Ensembl网站中的Bio Mart进行注释,基因功能富集分析在The Gene Ontology Resource网站(http://***/)进行分析,给蒙古牛全基因组变异图谱绘制。结果表明,本研究基于Geneseek Genomic Profiler High Density(HD)150K SNP array芯片在蒙古牛基因组上共推测鉴定到334个CNVR,长度为65.19Mb,约占基因组大小的12.60(UMD 3.1)。每条染色体上的CNVR的数目在7到21个之间,CNVR数目最少的染色体为8号染色体,数目最多的为5号染色体。CNVR长度占染色体长度的比例在0.35%-6.19%之间,占比最少的染色体是27号染色体,占比最多的是26号染色体。334个CNVR分别为繁殖性状、生产性状、胴体与肉品质相关性状、奶用相关性状、外部特征相关性状以

关键词： 大数据   政府统计职能   政府治理  

摘要： 在大数据时代,互联网飞速发展的今天,社交网络、物联网、云计算的广泛应用使人们能够更精确、更快捷地发布和获取数据。大数据具有可反复利用、不断增值的特点,包含着巨大的价值和潜力。对海量数据进行收集、存储和分析,发掘数据的关联性,深入了解数据的演变规律和发展趋势,是当前我国经济社会统计研究的一个重大课题。近些年来,随着大数据的介入,统计需求也随之多元化,政府统计传统职能逐渐产生变化,政府统计机构也在积极研究探索大数据统计应用,大力推进大数据与政府统计工作融合。本文主要研究大数据背景下地方政府统计调查职能优化和转变路径问题,选取浙江省为研究实例,使用参与式观察法、问卷调查法、访谈法等方法,运用多中心治理理论,对问题和成因进行了剖析,并给出了解决对策。本文第一部分主要阐述了本文的研究背景和意义、国内外研究成果、相关的理论与概念,为下一步的深入分析打下了坚实的基础。在此基础上从大统计数据来源、统计数据获取方式、统计工作协调机制、统计分析方式和统计成果应用五大维度构建了大数据背景下政府职能转变优化的分析框架,结合大数据、政府统计职能的相关界定与特点,分析当前浙江政府统计工作及政府统计职能转变和优化面临的问题,基于多中心治理理论,对问题产生的根源进行分析,最后提出了改进治理举措,优化政府统计服务职能;建立多中心协调共治机制,规范和引导政府统计职能转变;提升公众互动性,促使政府统计职能精准发力等方面的对策。通过研究大数据背景下地方政府统计职能转变和优化路径,可以为大数据背景下的政府统计工作探索新的模式,寻找更加切实有效的治理措施,这也是统计生产力发展和统计生产方式变革的必经之路。

关键词： 作物模型   品种基因型参数   参数率定   抽样方法   区域差异性  

摘要： 马铃薯是具有高营养价值的优质农作物,在保障粮食安全中发挥重要作用,我国是全球马铃薯种植第一大国,面对供需不平衡和气候变化的潜在不利影响,需要采取提高产量和适应环境的对应战略。作物生长模型服务于农业现代化,可以在作物生长发育模拟、农田精准管理、气候演变分析等领域进行精准、大范围监测和预测,但作物模型研究多始于田块尺度,在实际模拟中需要考虑不同环境条件下参数的异质性以打破空间应用限制,尤其是作物基因型参数的变异,需要通过田间试验进行参数本地化工作,也称参数率定。田间试验费时费力,率定参数所需的样本难以获得,所以如何通过率定基因型参数来进一步提升模型的精度成为DSSAT马铃薯模型应用中的热点问题,也对指导农业生产、保障粮食安全、实现农业现代化具有重要意义。本研究旨在为解决作物模型基因型参数本地化率定缺乏样本的问题,开展适合不同样本量进行基因型参数率定的研究,选取东北地区十个试验站点,探索用不同的抽样方法对DSSAT-SUBSTOR模型的马铃薯基因型参数进行率定,基于此分析同一站点不同抽样方法下基因型参数率定结果的差异、同一抽样方法不同站点基因型参数率定结果的差异和不同站点不同抽样方法基因型参数率定结果的差异。主要得到以下结论:第一,改变抽样方法可以提升基因型参数率定的准确性。同一站点不同抽样方法基因型参数率定结果显示三种抽样方法的验证精度从高到低排序为交叉验证法>自助法>留出法,即单站点小样本的参数率定工作中交叉验证法为最优抽样方法。不同站点不同抽样方法基因型参数率定结果显示三种抽样方法的验证精度从高到低排序为留出法>自助法>交叉验证法,即多站点下随机抽样进行参数率定表现最优的是留出法。第二,马铃薯基因型参数分布呈现区域差异性。同一抽样方法下DSSAT-SUBSTOR模型的5个基因型参数率定结果在不同站点均存在差异,其中块茎生长胁迫系数(PD)、光周期系数(P2)、块茎开始生长的临界温度上限(TC)均呈现出0.01水平的显著性差异,说明基因型参数对产量的响应变化与环境有关。具体对比站点间参数率定的差异从大到小排序为光周期系数(P2)>块茎开始生长的临界温度上限(TC)>块茎生长胁迫系数(PD)>叶面积扩展率(G2)>潜在块茎生长率(G3),说明在本研究选取的东北作区影响马铃薯生长发育产生最大差异的因素是太阳辐射和日长。第三,基因型参数对产量的响应受环境影响。同一抽样方法下,对比用单站点和多站点率定的最优参数组进行模拟的结果,单站点率定的最优参数组进行模拟的结果优于多站点,即单一环境下率定的基因型参数比不同环境间率定的基因型参数更接近基因型参数的真值,说明环境间的产量变化往往大于品种参数变化带来的产量变化。因此同一作物同站点的不同品种是否可以用同一组品种基因型参数以简化DSSAT模型实际应用进行参数本地化的率定工作,未来可进一步研究与讨论。第四,样本量不同,适用的抽样方法也不同。同一抽样方法下,对比用单站点和多站点率定的最优参数组进行模拟的结果,多站点的马铃薯基因型参数率定结果中三种抽样方法间的差异较小,单站点的马铃薯基因型参数率定结果中交叉验证法的参数率定表现最优。说明样本量不同,适用的抽样方法也不同,且样本数量越多,抽样方法引起的结果差异越小,小样本适合用交叉验证法,大样本受抽样方法的影响较小,可根据实际需求选取。

关键词： 离散系统   区间估计   中心对称多面体   可达性分析   解耦技术  

摘要： 计算机技术和精确控制工程技术的不断提高,使得精确模拟连续系统成为可能,从而带来离散系统理论的发展。而随着数字控制器的飞速发展和广泛应用,离散时间系统的研究得到了越来越多的关注。本文考虑了受扰离散时滞系统的观测器设计及区间估计问题,主要工作如下: 首先,简要概括了国内外对离散系统区间估计方法研究现状,随后给出本文的一些重要预备知识。 其次,针对具有外部干扰和测量噪声的恒定时延离散系统,通过一种输出变换将系统输出转化为不含噪声形式的等价输出系统,并对系统输出反馈分析的同时考虑时滞反馈,进而提出一种多重反馈鲁棒观测器设计方法,并基于误差动态系统中心对称多面体的可达性分析,实现系统状态的区间估计。随后,提出了一种将时滞状态信息增广到当前状态的补充方法,同时增广测量噪声并构造增广奇异系统,之后提出了一种状态、噪声联合估计未知输入观测器设计方法;基于Lyapunov稳定性理论,利用线性矩阵不等式技术,获得了观测器存在的充分条件,并结合误差系统可达性分析,实现系统状态区间估计。接着,为了进一步降低扰动对估计性能的影响,采用一种解耦技术来消除外部干扰的影响,设计了一种同时间接估计系统状态和测量噪声的解耦观测器,较H∞观测器有更好的估计性能;基于状态和测量噪声的点估计,结合可达性分析技术,得到了系统状态和测量噪声的区间估计。 最后,将上述方法应用于四级化学反应器系统,利用MATLAB软件仿真验证了其有效性及可行性。文章的结尾部分对本文的工作内容进行了简要总结,同时也对对未来的研究方向及内容进行展望。 图19幅,表1个,参考文献79篇。

关键词： 切换系统   多不连续Lyapunov函数   平滑过渡控制   异步切换   区间估计  

摘要： 作为一类特殊的混杂系统,切换系统是由限制子系统之间如何切换的切换规则和若干个子系统构成。切换系统可以用来有效描述具有多模态特性的系统或过程,其分析与综合问题,一直以来都是控制理论研究的热点问题。考虑到现有的切换系统的控制与区间估计研究结果中存在的控制方案保守性高、切换信号设计的灵活性差、估计精度低等问题,本文针对时间依赖的复杂切换律下的切换系统,开展控制与区间估计的研究工作,其主要研究内容如下: 首先,研究了连续时间切换T-S（Takagi-Segeno）模糊系统的稳定性分析,其中切换系统的子系统可以是稳定的、部分不稳定的,甚至是全部不稳定的。本文提出了一类新的多不连续Lyapunov函数,其可以根据系统的实际切换信号动态地分割每个模态运行区间,解决了现有的多不连续Lyapunov函数方法框架下切换系统中必须包含稳定子系统,且不稳定子系统只能切换到稳定子系统的切换方向约束问题。此外,相比于传统的多Lyapunov函数方法和多不连续Lyapunov函数方法,本文中提出的改进的多不连续Lyapunov函数方法可以得到更大的切换信号可行域,具有更低的保守性和更高的灵活性、适用性。 其次,探讨了模态依赖的混合驻留时间下时滞切换系统的状态反馈控制。本文提出了一种时间和切换信号调度的反馈控制策略,控制器增益的调度依赖于子系统的运行时间和系统的实际切换信号。基于提出的时间调度参数,构造了时间和切换信号依赖的Lyapunov函数,给出了保守性较低的时滞切换线性系统的稳定性准则。基于分析过程的讨论,提出了时间和切换信号调度的反馈控制器的设计方案,实现了较好的控制效果。 然后,考虑到控制器在切换瞬间的意外颠簸可能导致系统的瞬态共振效应甚至不稳定,研究了切换系统的H∞平滑过渡控制问题。将实际切换信号的影响考虑在内,提出了时间和切换信号调度的平滑过渡性能的概念。建立了新的准则来保证系统的不加权（?）2增益性能和平滑过渡性能,并给出了模态依赖的平均驻留时间切换信号和反馈控制器的协同设计方案。本文得到的结果同时保证了切换系统较好的平滑过渡性能和干扰抑制性能。 此外,完善了混合驻留时间下切换正系统的异步区间估计结果。由于传统的区间观测器方法设计条件复杂,估计精度较低,本文使用了算法简单、估计精度较高的多胞体状态估计方法。考虑到系统的正性约束,提出基于正生成矩阵的半径定义来表征状态多胞体的大小。利用信号融合技术,将估计误差系统建模为具有增广切换信号的切换正系统,并给出了状态有界多胞体的迭代过程。考虑到异步对估计结果的影响,允许多胞体的半径增加,并通过构造合适的加权半径函数证明状态多胞体的半径的有界性和（?）∞性能。在此基础上,为系统设计了异步正观测器,同时结合状态有界多胞体给出了系统状态的估计上下界。 最后,针对离散时间时滞切换正系统,提出了基于预测-测量-校正的多胞体区间估计方案。关于具有正生成矩阵的多胞体,提出了无损多胞体估计方法。利用预测-测量-校正三步法,构造异步时滞相容多胞体,以验证系统模型与输出之间的一致性,并给出（?）∞优化算法改进多胞体估计结果。进一步,基于时滞加权半径函数,提出了切换信号和模态依赖的校正矩阵的联合设计方案。此外,基于提出的无损多胞体估计准则,推导了时滞切换正系统的状态的估计上下界。

关键词： 线性校正模型   广义置信区间   信息域   后验预测分布   Bootstrap方法  

摘要： 线性校正模型是从测量背景中产生的一类统计模型,在化学试验、生物测定和环境监测等方面有广泛应用。本文研究单变量及多变量-单变量线性校正模型的区间估计问题,即根据已知的修正数据构造线性校正模型,从而对自变量的单个未知值进行推断。首先运用Fiducial方法构造广义置信区间,之后结合信息域对广义置信区间进行修正,得到修正后的广义置信区间。对于多变量-单变量线性校正模型也给出信息域修正后的后验预测分布置信区间。数值模拟表明,在讨厌参数β1的值或范数较小时,信息域修正置信区间的区间长度有明显改善。对于单变量线性校正模型,模拟和实例都表明信息域修正后的广义置信区间有好的频率表现。多变量-单变量线性校正模拟结果显示,样本量小或样本量略大同时β1的范数小时,信息域修正后的后验预测分布置信区间在频率表现方面更有优势。样本量和β1的范数都较大时,信息域修正后的广义置信区间区间长度更短。