-
题名一种基于成分数据的修正EM算法
被引量：5
- 1
-
-
作者
荆文君
张晓琴
常王华
-
机构
山西大学数学科学学院
-
出处
《中北大学学报（自然科学版）》
CAS
北大核心
2013年第5期485-487,499,共4页
-
基金
国家自然科学基金重点项目(71031006
41101440)
山西省青年科技基金资助项目(201202105-1)
-
文摘
针对成分数据中的零值或近似零值,导致对成分数据作对数比变换后出现了缺失数据的现象,提出了一种基于均值插补法的修正EM算法来估计变换后的缺失数据.该方法首先对缺失数据所在列中的数据用Bootstrap方法反复抽样,然后用抽样得到的样本均值作为EM算法的初始值来估计缺失数据,最后将缺失数据的估计值代入对数比变换的逆变换求得原始成分数据零值的近似估计.实验结果表明:在误差允许的范围内,基于均值插补法的修正EM算法计算量少,操作简单,因此对于数据量大或者缺失率高的数据不失为一个好的插补法.
-
关键词
成分数据
回归
BOOTSTRAP方法
均值插补法
EM算法
-
Keywords
compositional data
regression
Bootstrap method
mean interpolation method
EM algorithm
-
分类号
O212.1
[理学—概率论与数理统计]
-
-
题名基于Bootstrap方法上的新修正EM算法
被引量：1
- 2
-
-
作者
常王华
张晓琴
-
机构
山西大学数学科学学院
-
出处
《太原师范学院学报（自然科学版）》
2012年第4期65-67,共3页
-
文摘
对于成分数据的处理往往是进行对数比变换,这时,如果数据中含有零点或是近似零点,变换后就会出现负无穷的数据.因此,对于成分数据中零点或是近似零点的处理就成为成分数据分析中的一个重要的课题,文献中采用了基本线性回归的修正EM算法,文章将此方法进行了改进,提出了基于Bootstrap方法上的修正EM算法,这两种方法均是在迭代的初值给定步骤进行了改进.模拟研究对上述提到的两种方法进行了比较,结果显示此方法相比原有的修正EM算法,算法更为简便,得到的估计更为精确.
-
关键词
近似零点数据
修正EM算法
线性回归分析
BOOTSTRAP
-
Keywords
rounded zeros
amendatory EM algorithm
the linear regression method
Boot-strap
-
分类号
O212.1
[理学—概率论与数理统计]
-
