- 最近
- 已收藏
- 排序
- 筛选
- 13
- 5
- 1
- 1
- 3
- 2
- 2
- 2
- 2
- 1
- 中文期刊
- 刊名
- 作者
- 作者单位
- 收录源
- 栏目名称
- 语种
- 医学主题词
- 出版状态
- 外文期刊
- 文献类型
- 刊名
- 作者
- 医学主题词
- 收录源
- 语种
- 学位论文
- 授予学位
- 授予单位
- 会议论文
- 主办单位
- 专 利
- 专利分类
- 专利类型
- 国家/组织
- 法律状态
- 申请/专利权人
- 发明/设计人
- 成 果
- 鉴定年份
- 学科分类
- 地域
- 完成单位
- 标 准
- 强制性标准
- 中标分类
- 标准类型
- 标准状态
- 来源数据库
- 法 规
- 法规分类
- 内容分类
- 效力级别
- 时效性
【中文期刊】 聂斌 杜建强 等 《医学信息学杂志》 2024年45卷12期 29-36页ISTICCA
【摘要】 目的/意义研究一种均方根误差最小准则的偏最小二乘筛选中药药效物质方法,以便全面地观察和分析中药的作用机理.方法/过程 以均方根误差(root mean square error,RMSE)最小为主要准则,通过偏最小二乘法获得特征的变量投影重...
- 概要:
- 方法:
- 结论:
【中文期刊】 王金池 邓华锋 等 《应用生态学报》 2017年28卷10期 3189-3196页MEDLINEISTICPKUCSCDCABP
【摘要】 基于150株天然云杉实测材积和生物量数据,利用非线性度量误差方法,建立相容性立木材积与生物量方程,并采用总量直接控制方案和分级联合控制方案研建了地上总生物量与4个分项(干材、干皮、树枝、树叶)的相容性方程系统,其中又采取了独立估计和联合估计...
- 概要:
- 方法:
- 结论:
- 概要:
- 方法:
- 结论:
【中文期刊】 刘红云 骆方 等 《心理学报》 2013年12期 1432-1444页
【摘要】 本文聚焦于因变量为等级数据的中介效应模型,通过模拟研究比较了 Logistic 回归与通常线性回归的差别,并比较了这两种分析框架下常用的系数乘积法和系数差异法的优劣,同时考察了因变量类别数对估计结果的影响。研究结果表明:对因变量为等级数据的...
- 概要:
- 方法:
- 结论:
【中文期刊】 蔡力 《上海精神医学》 2012年24卷2期 118-120页MEDLINEISTIC
【摘要】 <篇首> A latent variable model, as the name suggests,is a statistical model that contains latent, that is, unobserved, varia...
- 概要:
- 方法:
- 结论:
【外文期刊】 Fu, Liyong ; Lei, Yuancai ; 等 《Trees. Structure and Function》 2016年30卷3期 839-857页
【关键词】 Additivity;Nonlinear error-in-variable models;Nonlinear seemingly unrelated regression;
- 概要:
- 方法:
- 结论:
【外文期刊】 Wang CY ; Huang Y ; 等 《Biometrics: Journal of the Biometric Society : An International Society Devoted to the Mathematical and Statistical Aspects of Biology》 2008年64卷1期 85-95页SCISCIEMEDLINE
- 概要:
- 方法:
- 结论:
【外文期刊】 Zeng, WeiSheng ; Chen, XinYun ; 等 《Trees. Structure and Function》 2021年35卷1期 93-102页
【关键词】 Aboveground biomass;Belowground biomass;Dummy variable;
- 概要:
- 方法:
- 结论:
【外文期刊】 Zhou, Xiao ; Zheng, Yaxiong ; 等 2024年65卷1期 103-113页
【关键词】 Compatible biomass model;Least square regression;Parameter estimation;
- 概要:
- 方法:
- 结论:
【外文期刊】 Shi, Pixu ; Zhou, Yuchen ; 等 2022年109卷2期 405-420页SCISCIEMEDLINE
【关键词】 Compositional data;Error-in-variable;High-dimensional regression;
- 概要:
- 方法:
- 结论:

换一批
加载中...




