精华内容
下载资源
问答
  • 显著性分析

    2021-05-09 21:31:46
    【1】A Novel Uncertainty Sampling Algorithm for Cost-sensitive Multiclass Active Learning

    【1】A Novel Uncertainty Sampling Algorithm for Cost-sensitive Multiclass Active Learning

    展开全文
  • 图像显著性分析

    2015-04-10 17:17:31
    显著性分析的图像放缩方法研究,值得参考学习
  • 基于显著性分析的立体图像视觉舒适度预测
  • 如何用GraphPad Prism 进行显著性分析

    万次阅读 2020-10-16 00:03:40
    今天小编重点为大家带来如何利用GraphPad软件对两组数据之间进行显著性分析。 1.打开GraphPad软件,依次点击Column,那个柱状图的图案(这样最后做出来就是柱状图,当然也可以根据自己的需要选择其他图案,本期...

    GraphPad软件功能强大(如何获取新版prism<<<<<),既可以用于数据分析,又可以作各种各样的图。今天小编重点为大家带来如何利用GraphPad软件对两组数据之间进行显著性分析。

     

    1.打开GraphPad软件,依次点击Column,那个柱状图的图案(这样最后做出来就是柱状图,当然也可以根据自己的需要选择其他图案,本期对此不做讨论),mean with SEM(常用,当然其他选项也可以),然后点击Create。

     

    640.png

     

    2.输入数据。将需要比较的两组数据分别输入A列和B列。

    640 (1).png

    3.点击上图中的Analyze,出现如下界面,点击Column analyses前的+号,点击t tests (and nonparametric tests),点击ok。

     

    剩余文章内容<<<

     

     

    展开全文
  • 针对遥感图像融合中,不同地物区域对空间与光谱信息要求不同的问题,提出了一种基于显著性分析的自适应遥感图像融合算法。结合多尺度谱残差分析模型,将遥感图像分为纹理、边缘丰富的显著区域与纹理、边缘较少的非...
  • 本科新生中学基础知识的显著性分析,张立君,马建华,通过对辽宁工程技术大学2005级本科传统优势学科和新兴学科新生入学成绩进行抽样调查,运用SPSS对数据进行分析,得出两个总体总成绩�
  • 利用python进行显著性分析

    千次阅读 2020-06-05 19:11:05
    利用python进行显著性分析 实验数据 做的是朋友的 呃呃植物什么什么实验 ,相关数据已经打码,最右侧的一列是 spss 的显著性分析的结果 代码 最终设想是能实现和 SPSS 一样或者近似的结果 用到的库是 scipy,用于...

    利用python进行显著性分析

    实验数据

    做的是朋友的 呃呃植物什么什么实验 ,相关数据已经打码,最右侧的一列是 spss 的显著性分析的结果
    在这里插入图片描述

    代码

    最终设想是能实现和 SPSS 一样或者近似的结果

    用到的库是
    scipy,用于处理数据(皮尔逊相关系数) scipy一点点的介绍
    pandas 读取Excel表

    import scipy.stats as stats
    import pandas as pd
    
    
    def i_max(l):
        # 求出最大的数的下标
        m = 0
        for i in range(len(l)):
            if l[i] > l[m]:
                m = i
        return m
    
    
    d = []        # 后面需要的数据
    ave = []      # 后面需要的平均数
    excel = pd.DataFrame(pd.read_excel("~/Desktop/a.xlsx"))     # 读取桌面上的Excel文件
    
    for i in range(0, 34, 3):
        t = []
        ave.append(float(excel.iloc[i, 5]))
        for j in range(3):
            t.append(float(excel.iloc[i + j, 3]))
        d.append(t)
    
    
    index = [i_max(ave)]
    alp = ['a', 'b', 'c', 'd', 'e', 'f']
    for i in range(len(d) - 1):
        j = i_max(ave)      # 找到最大的数的序号
        ave[j] = 0.0        # 把这个数记为0.0 下次再找,这个数就不是最大的了
        k = i_max(ave)      # 现在找到最大的,其实是最开始的次大的数,但是我们标记成0.0,那么下次又可以找到这个数
        index.append(k)     # 记录每次比较的两个结果的序号
        r, p = stats.pearsonr(d[j], d[k])  # pearsonr函数是求的皮尔逊相关系数,返回两个值,r是相关系数,p是显著系数
        print(j + 1, k + 1, r, p)
    
    
    # 目前的结果前 4个 是和 SPSS 一样的,后面不一样的结果会慢慢找原因,然后修正
    # ...未完
    

    结果:

    10 4 -0.6413898608277883 0.5567162648482213
    4 12 -0.9898759299467776 0.09066502296334336
    12 11 -0.8816299039421831 0.3128932540763456
    11 7 -0.8243893815168324 0.3830374141221649
    7 5 0.5335389318521752 0.6417235608015013
    5 6 0.9360463758613995 0.2289126990930337
    6 1 -0.25527000776792763 0.8356712781860344
    1 2 -0.678734316474344 0.5250575881627089
    2 3 0.727818444387284 0.48106870031282234
    3 8 -0.7739014822551675 0.4366050771706164
    8 9 0.9999946059038105 0.002091003016632062
    

    更新分界线
    ——————————
    好了,我坦白,不填坑了。我实在想不明白。先弃坑了。

    展开全文
  • 提出一种结合视觉显著性分析的高分辨率遥感影像道路提取算法。 该算法通过自适应阈值分割得到包含居民区和道路的特征图,利用人类视觉系统进行显著性分析,得到居民区的显著图,通过对显著图的分割得到只包含居民区的...
  • 前言 今天偶尔刷到一篇博客如下,里面涉及...显著性分析 这是非常重要了,可以参考 https://blog.csdn.net/championkai/article/details/80206704 基本上我们要分析两个变量或多个变量之间的差异有多大,就会用到显

    目录

    前言

    显著性分析

    delta method

    Delta Method的结果

    一些其他有趣的讨论和优化

    总结


    前言

    今天偶尔刷到一篇博客如下,里面涉及到了很多数学小知识点,基本都是很实用的数学常识,不论从事什么领域,其实都很有帮助,为此记录一下吧。

    https://mp.weixin.qq.com/s/RLbrf-HNc79P7jaU2Sr29Q

    下面分多个大标题,记录一下各个使用的点【下面多张图片均来源于以上博客】

    显著性分析

    这是非常重要了,可以参考

    https://blog.csdn.net/championkai/article/details/80206704

    基本上我们要分析两个变量或多个变量之间的差异有多大,就会用到显著性分析,而该场景可以说太多了,所以学好显著性分析非常有用,之间在大学和考研期间学过一些皮毛,脑海中能记得就是一堆假设检验,不过一般的话我们只需要使用这些简单的就够了

    delta method

    我们知道一个随机变量X的方差var(X),那么经过线性变化Y=ax+b 后,Y的方差也是知道的:a^{2}*var(X), 但如果不是线性变化呢即泛化成 f(X)?delta method就是解决这一类问题的,大概思路就是如果我们将f(X)转化成一个线性变化,而这个线性变化是逼近f(X),那不就行了,即该线性变化又能代表f(X),又能直接利用a^{2}*var(X)得到新构建随机变量Y的方差,所以问题转变为怎么求得f(X)的近似线性函数,delta method基于的是泰勒展开式,用近似的方法估计随机变量函数的方差。

    复杂的变化,可以查看更多文献,但简单概括来说其解决了如下问题:

    Y = f(X) \\ D(Y) = ({f(X)}')^{2}D(X)

     

    这是一元的(一个随机变量),如果是多元的

    下面我们通过一个例子来详细看看delta method的具体计算过程即博客中的一个例子推导:

     

    博客中直接给出了结果,那么详细过程是什么呢?其实如下:

    var(\frac{\overline{X}}{\overline{Y}})=\begin{pmatrix} \frac{\partial g(\mu_{x},\mu_{y}))}{\partial \mu_{x}}& \frac{\partial g(\mu_{x},\mu_{y}))}{\partial \mu_{y}} \end{pmatrix}\begin{pmatrix} var(\overline{X}) & COV(\overline{X},\overline{Y}))\\ COV(\overline{Y},\overline{X})) & var(\overline{Y}) \end{pmatrix}\begin{pmatrix} \frac{\partial g(\mu_{x},\mu_{y}))}{\partial \mu_{x}}& \frac{\partial g(\mu_{x},\mu_{y}))}{\partial \mu_{y}} \end{pmatrix}^{T}\\= \begin{pmatrix} \frac{1}{\mu_{y}} & -\frac{\mu_{x}}{\mu_{y}^{2}} \end{pmatrix}\begin{pmatrix} var(\overline{X}) & COV(\overline{X},\overline{Y}))\\ COV(\overline{Y},\overline{X})) & var(\overline{Y}) \end{pmatrix}\begin{pmatrix} \frac{1}{\mu_{y}} & -\frac{\mu_{x}}{\mu_{y}^{2}} \end{pmatrix}^{T}

    =\begin{pmatrix} \frac{var(\overline{X})}{\mu_{y}} -\frac{\mu_{x}COV(\overline{X},\overline{Y})}{\mu_{y}^{2}}& \frac{COV(\overline{X},\overline{Y})}{\mu_{y}}-\frac{\mu_{x}var(\overline{Y})}{\mu_{y}^{2}} \end{pmatrix}\begin{pmatrix} \frac{1}{\mu_{y}} & -\frac{\mu_{x}}{\mu_{y}^{2}} \end{pmatrix}^{T}

    =\frac{var(\overline{X})}{\mu _{y}^{2}}-\frac{\mu_{x}COV(\overline{X},\overline{Y})}{\mu _{y}^{3}}-\frac{\mu _{x}COV(\overline{X},\overline{Y})}{\mu _{y}^{3}}+\frac{\mu _{x}^{2}var(\overline{Y})}{\mu _{y}^{4}}

    =\frac{var(\overline{X})}{\mu _{y}^{2}}+\frac{\mu _{x}^{2}var(\overline{Y})}{\mu _{y}^{4}}-\frac{2\mu_{x}COV(\overline{X},\overline{Y})}{\mu _{y}^{3}}

    =\frac{var(\overline{X})}{{\overline{Y}}^{2}}+\frac{\overline{X}^{2}var(\overline{Y})}{\overline{Y}^{4}}-2\frac{\overline{X}COV(\overline{X},\overline{Y})}{\overline{Y}^{3}}{\color{Red} (1)}

    =\frac{var(\frac{X}{n})}{{\overline{Y}}^{2}}+\frac{\overline{X}^{2}var(\frac{Y}{n})}{\overline{Y}^{4}}-2\frac{\overline{X}COV(\frac{X}{n},\frac{Y}{n})}{\overline{Y}^{3}}

    =\frac{1}{n}(\frac{var(X)}{{\overline{Y}}^{2}}+\frac{\overline{X}^{2}var(Y)}{\overline{Y}^{4}}-2\frac{\overline{X}COV(X,Y)}{\overline{Y}^{3}}) {\color{Green} (2)}

    上述(1)(2)分别对应图片中的红框和绿框。其中

    需要注意的是:

    所以博客中开头中得到的公式是:

    没有了协方差。

    Delta Method的结果

    博客中对比了传统的和新得到的

    \frac{var(\bar{y_{t}})+var(\bar{y_{c}})}{y_{c}^{2}}\frac{var(\bar{y_{t}})+(\frac{\bar{y_{t}}}{\bar{y_{c}}})^{2}var(\bar{y_{c}})}{y_{c}^{2}},前者是下表中的错误方法,后者是Delta Method, Bootstrap是标准

    可以看到Delta Method是和Bootstrap标准更趋近。

    一些其他有趣的讨论和优化

    可以看博客中的特殊情况讨论一节,挺有意思

    总结

    (1)显著性分析,应用很广泛,一些基本概念要知道,比如原假设H0和备择假设H1,第一类错误和第二类错误,P值

    (2)delta method可用于解决非线性多元随机变量方差求解

    展开全文
  • 第一类:基于低层视觉特征的显著性分析算法 代表性算法:Itti 模拟生物体视觉注意机制的选择性算法,比较适合处理自然图像 第二类:不基于任何生物视觉原理的纯数学计算方法 代表性算法:全分辨率的算法(AC算法)和...
  • 相关性和显著性分析

    万次阅读 2020-01-03 15:33:00
    1、如果呈现出显著性(结果右上角有*号,此时说明有关系;反之则没有关系);有了关系之后,关系的紧密程度直接看相关系数大小即可。一般0.7以上说明关系非常紧密;0.4~0.7之间说明关系紧密;0.2~0.4说明关系一般。 ...
  • 显著性分析-秩和检验与校正

    千次阅读 2020-05-10 09:46:41
    显著性分析通常分为参数检验方法和非参数检验方法,参数检验法中常用的是t检验,但是t检验需要假定两组样本都服从正态分布,这样适用的情况有限。 秩和检验是一种非参数检验法,不需要对数据分布作特殊假设,因而能...
  • 本文提出一种基于视觉显著性分析的输电线路异物检测方法,通过分析直升机巡检过程拍摄到的图片,在事先检测到的输电线路兴趣区域内根据人眼感知特性来计算视觉显著图,然后通过视觉显著度对颜色、形状或空间分布等...
  • GO富集分析是对差异基因等按GO分类,并对分类结果进行基于离散分布的显著性分析、错判率分析、富集度分析,得到与实验目的有显著联系的、低误判率的、靶向性的基因功能分类,该分类即导致样本性状差异的最重要的功能...
  • SPSS中可以使用分析-一般线性模型中的分析来做显著性分析 其中又有两个选择,单因素与多因素。 查看SPSS官方帮助文档,即点击左下角的“?”,找到了两者区别。 单因素 ...“GLM 单变量”过程通过一个或多个因子和/或...
  • nSpss:对各调查问题下的数据整体采用firedman test进行显著性分析( α=0.05 ),获得对应自由度下χ2和p nSpss:采用Wilcoxo符号秩测试对各研究问题下不同实验条件进行两两分析(α=0.05 /nC2,例如四种实验条件...
  • 结果表明,水胶比、粉煤灰掺量、腐蚀溶液对高性能混凝土应力腐蚀因子和介质腐蚀因子都具有显著的影响,但水胶比对其影响特别显著,而应力水平仅对应力腐蚀因子的影响具有显著性。因此,对配合比设计参数中的水胶比、...
  • opencv实战从0到N (12)—— Lab颜色空间与显著性分析 1,Lab空间: Lab色彩模型是由亮度(L)和有关色彩的a, b三个要素组成。L表示亮度(Luminosity),a表示从洋红色至绿色的范围,b表示从黄色至蓝色的范围。 L的...
  • 本资源是清华大学程明明在2011年CVPR上发表的一篇关于视觉显著性的代码,资源包括原文及matlab版本的代码。
  • 根据在视觉感知特此那个【1】中可知视觉关注是人类视觉系统信息处理机制中一个重要的特性,所以研究基于视觉关注的图像显著性分析也很重要。人类视觉系统天生具有处理复杂场景的能力,它能快速扫描整个场景,并引导...
  • 视觉显著性分析【1】

    2019-05-23 17:51:05
    几个函数的Try(使用百度上的例子) imread Ex 1 读取一张图片并显示 %% 读取一张图片并显示 filename = 'dog1.png'; imgRgb = imread(filename); % 读入一幅彩色图像 imshow(imgRgb); % 显示彩色图像 ...
  • 利用上面M-K趋势分析的结果,只让置信度大于95%的数据在地图上显示。 这里,可以先自定义一个colorbar。...% 逐点变化显著性 % 导入数据Y1、Y2 Y=Y2-Y1; Y=Y(:,:,3:35); YA=Y(:,:,1:19); YB=Y(:,:,20:33);

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 5,663
精华内容 2,265
关键字:

显著性分析