簡(jiǎn)介：分類號(hào)學(xué)號(hào)M201070300學(xué)校代碼10487密級(jí)碩士學(xué)位論文碩士學(xué)位論文基于基于魯棒統(tǒng)計(jì)學(xué)方法魯棒統(tǒng)計(jì)學(xué)方法的迭代最近點(diǎn)算法迭代最近點(diǎn)算法研究研究學(xué)位申請(qǐng)人學(xué)位申請(qǐng)人鄢瑩學(xué)科專業(yè)學(xué)科專業(yè)機(jī)械電子工程機(jī)械電子工程指導(dǎo)教師指導(dǎo)教師夏奇講師講師答辯日期答辯日期20130116獨(dú)創(chuàng)性聲明獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除文中已經(jīng)標(biāo)明引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過的研究成果。對(duì)本文的研究做出貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名日期年月日學(xué)位論文版權(quán)使用授權(quán)書學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，即學(xué)校有權(quán)保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)華中科技大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。本論文屬于（請(qǐng)?jiān)谝陨戏娇騼?nèi)打“√”）學(xué)位論文作者簽名指導(dǎo)教師簽名日期年月日日期年月日保密□，在年解密后適用本授權(quán)書。不保密□。

簡(jiǎn)介：期中分析是指在試驗(yàn)正式完成前，根據(jù)事先制定的統(tǒng)計(jì)分析計(jì)劃，對(duì)處理組間的有效性和安全性所進(jìn)行的分析。期中分析能夠及時(shí)監(jiān)測(cè)試驗(yàn)的安全性，盡早確認(rèn)藥物的有效性，還可進(jìn)行樣本量的重新估計(jì)。在期中分析的這三類目的中，因安全性問題或藥物無效而提前終止試驗(yàn)無可厚非，但因有效而早期終止試驗(yàn)仍存在爭(zhēng)議。再者，由于盲態(tài)下樣本量的再估計(jì)對(duì)統(tǒng)計(jì)方法的技術(shù)挑戰(zhàn)和生存資料的特殊屬性，生存資料的盲態(tài)下樣本量再估計(jì)方法鮮有報(bào)道。本研究圍繞期中分析目的，就現(xiàn)存的這兩個(gè)問題展開探索。本研究的第一部分通過公式推導(dǎo)和模擬試驗(yàn)的方法考察在因有效而早期終止的臨床試驗(yàn)中處理效應(yīng)能否被準(zhǔn)確估計(jì)。針對(duì)正態(tài)結(jié)果變量和二分類結(jié)果變量，本研究推導(dǎo)了實(shí)際效應(yīng)和估計(jì)效應(yīng)的關(guān)系式，所得不等式顯示期中分析時(shí)有統(tǒng)計(jì)學(xué)意義的組間均數(shù)之差率差（樣本效應(yīng)），大于真實(shí)組間差異（總體效應(yīng)）。模擬試驗(yàn)的結(jié)果同樣顯示，期中分析時(shí)有統(tǒng)計(jì)學(xué)意義的組間均數(shù)之差率差與真實(shí)組間差異的比值始終大于1，即使采用PETO，OBRIENFLEMING或POCOCK法進(jìn)行期中分析時(shí)的Α水準(zhǔn)校正，估計(jì)值依然明顯高于真實(shí)值。另外，本研究第一部分以正態(tài)結(jié)果變量為例，嘗試將基于成組序貫設(shè)計(jì)的逐段排序法應(yīng)用于期中分析中因有效而早期結(jié)束試驗(yàn)時(shí)處理效應(yīng)的估計(jì)，并通過模擬試驗(yàn)對(duì)所得中位無偏估計(jì)值進(jìn)行評(píng)價(jià)，結(jié)果表明該方法的校正效果對(duì)于2階段（期中分析1次），3階段設(shè)計(jì)（期中分析2次）并不明顯，只在多階段設(shè)計(jì)（期中分析次數(shù)≥3）的后期期中分析中顯現(xiàn)，但存在低估真實(shí)效應(yīng)的風(fēng)險(xiǎn)。因而，正態(tài)結(jié)果變量和二分類結(jié)果變量的早期終止臨床試驗(yàn)的確存在效應(yīng)高估的風(fēng)險(xiǎn)，且校正估計(jì)效應(yīng)的方法并不十分完善。由此，我們并不建議對(duì)臨床試驗(yàn)實(shí)行早期終止，不論是探索性試驗(yàn)還是確證性試驗(yàn)。本研究的第二部分嘗試將EM算法應(yīng)用于兩組生存資料的盲態(tài)下樣本量再估計(jì)過程中。基于指數(shù)分布和WEIBULL分布，本研究分別推導(dǎo)了風(fēng)險(xiǎn)比EM估計(jì)算法的E步和M步計(jì)算公式，并且通過模擬試驗(yàn)考察所推導(dǎo)EM算法的統(tǒng)計(jì)學(xué)屬性，包括初始值設(shè)置，樣本量要求，組間分配比例。另外還通過模擬試驗(yàn)全面考察了所推導(dǎo)EM算法在指數(shù)分布和WEIBULL分布下的估計(jì)效果。結(jié)果顯示所推導(dǎo)EM算法對(duì)初始值的要求并不苛刻，雖然初始值的方向?qū)⒂绊戯L(fēng)險(xiǎn)比估計(jì)值的方向，但風(fēng)險(xiǎn)比的方向并不影響樣本量的估計(jì)。所推導(dǎo)EM算法對(duì)樣本量有一定要求，真實(shí)風(fēng)險(xiǎn)比越小，所需樣本量越大，在兩組樣本等比例分配時(shí)，EM估計(jì)效果最佳。所推導(dǎo)EM算法的平均估計(jì)效果較好，估計(jì)值均數(shù)接近真實(shí)值，然而單一估計(jì)結(jié)果并不穩(wěn)定，呈現(xiàn)雙峰分布。因而，本研究所推導(dǎo)EM算法離實(shí)際運(yùn)用尚有差距，但本研究中的諸多工作可為相同研究領(lǐng)域的學(xué)者提供參考，避免重復(fù)工作。

簡(jiǎn)介：語言在人們的日常生活中扮演著重要的角色，是執(zhí)行任務(wù)、完成工作的手段。語言有口語、書面語之分。在任何語言處理任務(wù)中，語料庫(kù)語言學(xué)的研究都很有意義。一般來說，語料是組織好的文本集合，包括口語和書面語資源。從計(jì)算語言學(xué)的角度，語料是采用電子手段處理的大量文本的集合，包含各種各樣的信息。語料能夠準(zhǔn)確揭示語言的使用模式，是語言統(tǒng)計(jì)學(xué)產(chǎn)生的根源。不同的基于語料庫(kù)的方法可以被用來完成不同的語言學(xué)相關(guān)任務(wù)。基本上，對(duì)屈折語言進(jìn)行句法分析和信息檢索等任務(wù)的研究時(shí)，使用的資源是經(jīng)過詞法分析的文本。例如給每個(gè)詞語指定一個(gè)包含所有可能詞法類別標(biāo)記的集合，能夠使詞語本身更有意義，也更容易理解。然而多數(shù)系統(tǒng)需要更加精準(zhǔn)的信息，這些系統(tǒng)僅僅需要一個(gè)單獨(dú)的詞法類別，以便準(zhǔn)確地應(yīng)用在特定的文本中。這一過程被稱為“標(biāo)注”（TAGGING），它利用輸入文本中詞語的上下文從標(biāo)記類別中選擇最適當(dāng)?shù)臉?biāo)記。在任何與自然語言處理相關(guān)的任務(wù)中，標(biāo)注問題的重要性都絲毫不能忽略。本文的主要研究對(duì)象是烏爾都語（URDU）。跟其他語言，如英語、漢語相比，烏爾都語的計(jì)算機(jī)自動(dòng)處理技術(shù)研究遠(yuǎn)遠(yuǎn)落在后面。這主要?dú)w因于缺乏標(biāo)準(zhǔn)標(biāo)注集和已標(biāo)注資源。考慮到這些資源的昂貴價(jià)格和構(gòu)建的困難性，這是難以避免的。然而，就像論文里所描述的，我們跨越了這些障礙。烏爾都語屬于印歐語系，受波斯語和阿拉伯語的影響很大，同印地語關(guān)系密切，是東南亞地區(qū)的一種重要語言。在許多國(guó)家，如巴基斯坦、印度和阿富汗等具有重要的地位。全世界有超過6千萬人把烏爾都語作為母語，有超過1億人把烏爾都語作為第二語言。在互聯(lián)網(wǎng)時(shí)代，研究烏爾都語的自動(dòng)處理技術(shù)，對(duì)于烏爾都語的使用和推廣具有重要作用，因而本文的研究具有重要意義。我們考察了烏爾都語詞性標(biāo)注研究中的各種不同問題。對(duì)烏爾都語分析的結(jié)果表明，對(duì)于詞序自由（FREEWDDER）和高度屈折（HIGHLYINFLECTED）的語言來說，未登錄詞是標(biāo)注錯(cuò)誤的主要來源。英語中的未登錄詞大多數(shù)都是專有名詞，然而研究表明，烏爾都語的未登錄詞通常是有標(biāo)志或無標(biāo)志的名詞、動(dòng)詞以及無標(biāo)志的形容詞。這些未登錄詞與烏爾都語結(jié)合起來，加深了標(biāo)注問題的難度，在這個(gè)意義上烏爾都語更像土耳其語（TURKISH）或捷克語（CZECH），而不是英語。本文著重論述我們?cè)跒鯛柖颊Z詞性標(biāo)注方面所取得的進(jìn)展。統(tǒng)計(jì)方法在其他自然語言的處理過程中曾經(jīng)大顯身手，因此他們也被用來構(gòu)建和標(biāo)注烏爾都語的語料庫(kù)。鑒于其他印度語系語言語料的缺乏，本文所獲得的事實(shí)和結(jié)論對(duì)于其他印度語系語言來說也富有積極的啟發(fā)意義。烏爾都語作為一種高度屈折和詞序結(jié)構(gòu)自由的語言，具有很高的歧義性。本文著重于使用不同的基于統(tǒng)計(jì)的方法來處理烏爾都語語料，比如NGRAM，基于詞形態(tài)結(jié)構(gòu)的模型，隱馬爾科夫模型（HIDDENMARKOVMODEL）以及最大熵模型（MAXIMUMENTROPYMODEL）。我們首先使用了NGRAM模型，重點(diǎn)分析了UNIGRAM、BIGRAM和BACKOFF模型在烏爾都語詞性標(biāo)注中的應(yīng)用。這些模型標(biāo)注時(shí)使用了覆蓋詞語周圍信息的上下文。我們也分別考察了兩種標(biāo)注集（大小不同）和語料規(guī)模對(duì)NGRAM標(biāo)注模型性能的影響，結(jié)果表明我們提出的小標(biāo)注集獲得了非常好的效果。在大、小標(biāo)注集的基礎(chǔ)上，我們進(jìn)一步構(gòu)造了混淆矩陣來分析最容易產(chǎn)生歧義的標(biāo)注子集，并通過使用基于統(tǒng)計(jì)的T分布來考察使用大、小標(biāo)注集結(jié)果的有效性。跟其他復(fù)雜的統(tǒng)計(jì)模型相比較，NGRAM既簡(jiǎn)單又有效。接著我們使用隱馬爾科夫模型來解決歧義問題。我們使用有監(jiān)督學(xué)習(xí)算法基于已標(biāo)注語料庫(kù)進(jìn)行模型的參數(shù)選擇，并使用VITERBI算法找出與文本中詞語序列最匹配的詞性標(biāo)記序列。我們的方法最突出的特點(diǎn)是在隱馬爾科夫模型中整合了多種有名的平滑技術(shù)，比如LAPLACE、LIDSTONE、EXPECTED、LIKELIHOOD、WITTENBELL和GOODTURING等等。我們觀察到平滑技術(shù)在處理未登錄詞時(shí)起到了很重要的作用，但是有時(shí)基于規(guī)則的方法也很有效。對(duì)于各種平滑技術(shù)，我們針對(duì)屈折性比較高的詞性標(biāo)記構(gòu)造了混淆矩陣進(jìn)行分析。此外，還使用了基于方差分析（ANOVA）的統(tǒng)計(jì)評(píng)價(jià)方法進(jìn)行分析，結(jié)果表明平滑技術(shù)對(duì)于整體的標(biāo)注正確率和未登錄詞正確率有很重要的影響。最大熵模型也被我們采用用來解決烏爾都語的詞性標(biāo)注問題。最大熵模型也是一種有監(jiān)督的學(xué)習(xí)方法，因此需要標(biāo)注好的語料庫(kù)。在最大熵模型中，我們采用的特征包括詞語形態(tài)學(xué)特征和上下文特征。兩種參數(shù)估計(jì)方法GIS和LBFGS被分別用來訓(xùn)練模型的參數(shù)。實(shí)驗(yàn)中我們發(fā)現(xiàn)，LBFGS比GIS具有更快的速度和更好的效果。我們?cè)O(shè)計(jì)了針對(duì)不同標(biāo)注集和不同規(guī)模的訓(xùn)練集上的實(shí)驗(yàn)，這些實(shí)驗(yàn)的結(jié)果表明，采用最大熵方法，烏爾都語的詞性標(biāo)注的整體準(zhǔn)確率位于8971％和9716之間。其中，詞表詞的詞性標(biāo)注的準(zhǔn)確率位于9012和9773之間，未登錄詞的詞性標(biāo)注的準(zhǔn)確率位于8175和8620之間。這個(gè)結(jié)果表明烏爾都語的詞性標(biāo)注的性能達(dá)到了實(shí)用水平。最后我們把基于詞形態(tài)結(jié)構(gòu)的模型整合到統(tǒng)計(jì)模型中，著重評(píng)價(jià)基于詞形態(tài)結(jié)構(gòu)的方法在處理未登錄詞問題的效果。統(tǒng)計(jì)模型在此處僅僅起到過濾未登錄詞的作用。詞形態(tài)結(jié)構(gòu)特征基于常用的屈折變化進(jìn)行抽取，我們通過使用相關(guān)方法的結(jié)果的平均值來分析新模型的性能提升的統(tǒng)計(jì)顯著性。該分析在對(duì)詞性標(biāo)注的性能進(jìn)行評(píng)價(jià)的同時(shí)還能夠顯示每一個(gè)詞形態(tài)結(jié)構(gòu)特征集合的有效性。本文中所有的標(biāo)注系統(tǒng)都是通過在EMILLE語料庫(kù)上進(jìn)行訓(xùn)練獲得的，該語料庫(kù)由英國(guó)的蘭徹斯特大學(xué)（LANCASTERUNIVERSITY）創(chuàng)建。EMILLE語料庫(kù)主要由單語語料、平行語料和帶標(biāo)注語料等構(gòu)成。在本文中，我們通過一系列步驟來構(gòu)建烏爾都語的詞法標(biāo)注器，這些步驟展示了我們每個(gè)階段工作的結(jié)果。正如我們所看到的，標(biāo)注模型的性能隨著特征的增加和模型的復(fù)雜在逐步提高，未登錄詞的問題也逐漸得到解決。本文所研究的詞性標(biāo)注技術(shù)為烏爾都語的深層處理提供了良好的基礎(chǔ)。在未來的工作中，我們將繼續(xù)研究烏爾都語的深層自動(dòng)處理技術(shù)，如語義角色標(biāo)注、句法分析等，推動(dòng)烏爾都語的推廣和使用。

簡(jiǎn)介：華中師范大學(xué)碩士學(xué)位論文空間統(tǒng)計(jì)學(xué)及其在空間模式分析中的應(yīng)用姓名黃芳申請(qǐng)學(xué)位級(jí)別碩士專業(yè)自然地理學(xué)指導(dǎo)教師喻光明20050501⑩碩士學(xué)位論文MASTER’STIIESIS釋，因此描述結(jié)果與實(shí)際情況難免失之偏頗。因此，它應(yīng)該是一種粗略的而非精確的測(cè)量方式。同時(shí)，用偏度系數(shù)和峰度系數(shù)來描述地理要素在時(shí)空上的分布的密度函數(shù)的分布特征。此外，還列舉了幾個(gè)相關(guān)特征參數(shù)及空間抽樣的類型和方法。第三章空間點(diǎn)模式分析。點(diǎn)模式依其幾何表現(xiàn)形態(tài)可分為三大類集聚、均勻和隨機(jī)分布。判斷點(diǎn)模式分布類型的方法主要有以下幾種最近鄰分析方法；樣方分析方法區(qū)域分析法和函數(shù)法。這四種方法各有優(yōu)缺點(diǎn)在最近鄰分析方法中，研究區(qū)邊賽如何界定將會(huì)直接影響分析結(jié)果，位于邊界處的點(diǎn)的最近鄰點(diǎn)可能不在研究區(qū)內(nèi)，如何處理邊界附近點(diǎn)的最近鄰點(diǎn)問題尚待研究，此外，標(biāo)準(zhǔn)最近鄰指數(shù)R和點(diǎn)模式的類型并不是一一對(duì)應(yīng)的關(guān)系，用排序最近鄰距離法和區(qū)域最近鄰距離法可以解決這一問題，但這兩種方法應(yīng)用并不廣泛，且有一定的局限性。樣方法測(cè)度的是研究區(qū)域中不同部分的點(diǎn)的頻率分布，從而確定點(diǎn)模式的分布類型。如何確定樣方的太小和個(gè)數(shù)是樣方法的關(guān)鍵。目前還沒有很好的解決辦法，但有一點(diǎn)需要特別強(qiáng)調(diào)的是樣方的大小和數(shù)目盡量與點(diǎn)模式的分布特征相吻合。樣方法同樣受到研究區(qū)邊界如何界定的問題。本文特別提出了基于幾何概率的樣方法和多維空間中的樣方法；TISSEN多邊形的建立是區(qū)域分析法的關(guān)鍵，該法能較好地反映出點(diǎn)模式的結(jié)構(gòu)特征，但由于該法在實(shí)踐中應(yīng)用的不多，其可行性和有效性尚待進(jìn)一步研究；函數(shù)法也是一種常用的能較好判斷點(diǎn)模式分布特征的方法。集聚性點(diǎn)模式的結(jié)構(gòu)信息豐富，包含了集聚中心的個(gè)數(shù)和集聚中心的方向等信息，因此，如何找集聚中心的個(gè)數(shù)和方向成為研究集聚分布點(diǎn)模式的核心問題。本文分別用H0，△O函數(shù)、WR，A函數(shù)來進(jìn)行集聚分布的點(diǎn)模式中心數(shù)和方向性的判斷。對(duì)于兩個(gè)或更多個(gè)的點(diǎn)模式，主要分析其相似性和相互作用的程度，對(duì)于相互作用程度主要采用樣方法、函數(shù)法和指標(biāo)法來分析其是相互吸引、相互排斥還是相互獨(dú)立。第四章面模式分析。面模式的分析方法有很多，具體采用哪種方法主要取決于數(shù)據(jù)的測(cè)量尺度和變量的組織方式。鄰近性分析是面模式分析的最基本方面。有關(guān)鄰近性的概念有幾種不同的定義若兩個(gè)面相鄰為1，不相鄰為0，如以斜角相鄰為L(zhǎng)，否則為0，如果有以上性質(zhì)之一的就算相鄰；另一種鄰近性是可以用數(shù)量表示的，如共同邊界的長(zhǎng)度或最短距離的倒數(shù)等。面模式在空間上的分布表現(xiàn)為集聚、均勻和離散，通過比較鄰接數(shù)的個(gè)數(shù)和某一理論模型鄰接數(shù)的個(gè)數(shù)，從而推斷面模式的分布類型。不同的分布類型對(duì)應(yīng)不同的空間自相關(guān)?？臻g自相關(guān)、空間關(guān)聯(lián)反映的是一個(gè)區(qū)域單元上的某種地理現(xiàn)象或某一屬性值與鄰近區(qū)域單元上同一現(xiàn)象或?qū)傩灾档南嚓P(guān)程度，可以使用全局指標(biāo)和局部指標(biāo)兩種不同等級(jí)的指標(biāo)加以度量。全局指標(biāo)包括MORAN提出的I指標(biāo)和GEARY提出的C指標(biāo)。反映空間鄰接或空間鄰近的區(qū)域單元屬性值的相似程度及空間自相關(guān)程度的總體趨勢(shì)。G，D統(tǒng)計(jì)、局部MORAN和局部GEARY統(tǒng)計(jì)是常

簡(jiǎn)介：中國(guó)石油大學(xué)碩士研究生學(xué)位論文申請(qǐng)工學(xué)碩士學(xué)位地質(zhì)統(tǒng)計(jì)學(xué)在儲(chǔ)層預(yù)測(cè)中的研究與應(yīng)用學(xué)科專業(yè)培養(yǎng)方向碩士生指導(dǎo)教師地球探測(cè)與信息技術(shù)地球物理探測(cè)方法與技術(shù)李黎王永剛教授入學(xué)日期2004年9月論文完成日期2007年4月RESEARCHANDAPPLICATIONOFGEOSTATISTICSINRESERVOIRPREDICTIONLILIGEOPHYSICALPROSPECTINGANDINFORMATIONTECHNOLOGYDIRECTEDBYPROFESSORWANGYONGGANGABSTRACTRESERVOIRPREDICTIONHASBEENVERYCONCERNEDABOUTINGEOLOGICALRESERVOIRRESEARCH，WHICHINCLUDESTWOIMPORTANTWORKSTUDYINGTHERESERVOIRHETEROGENEITYANDIMPROVINGPREDICTIONACCURACYTHEMETHODSOFGEOSTATISTICSINRESERVOIRPREDICTIONHAVEBEENSTUDIED，THATFOCUSONTHERESERVOIRHETEROGENEITYRESEARCHANDIMPROVINGRESERVOIRPREDICTIONACCURACYFIRSTLY，CALCULATIONMETHODS，F(xiàn)ITTINGMETHODSANDNESTEDMETHODSOFVARIOGRAMHAVEBEENSTUDIEDTHROUGHPRACTICALAPPLICATION，CALCULATETWODIMENSIONALVARIOGRAMANDVARIOGRAMOFDIFFERENTDIRECTIONS，DETERMINETHEORIENTATIONOFRESERVOIRPARAMETERSANDHETEROGENEITYOFRESERVOIRPARAMETERSDISTRIBUTIONBYOBSERVINGALLDIRECTIONSOFTHEVARIOGRAMPARAMETERSTHENAPPLYLINEARPROGRAMMINGMETHODTOFITTHEVARIOGRAMANALYZELINEARPROGRAMMINGMETHODANDCOMPAREITWITHCONVENTIONALVARIOGRAMFITTINGMETHODACCORDINGTOFITTINGRESULTSANDORIENTATIONOFRESERVOIRPARAMETERSTHEVARIOGRAMHAVEBEENNESTEDSECONDLYTHERESERVOIRPARAMETERSPOROSITYANDTHICKNESSOFTWODIMENSIONALHORIZONHAVEBEENPREDICTEDBYUSINGTHEMETHODSOFORDINARYKRIGING，COKRIGING，COLLOCATEDCOKRIGINGANDSEQUENTIALGAUSSIANSIMULMIONANDUSECROSSVALIDATIONMETHODFORANALYZINGFEASIBILITYAND

簡(jiǎn)介：福建醫(yī)科大學(xué)碩士學(xué)位論文臨床醫(yī)學(xué)專業(yè)本科學(xué)生目標(biāo)設(shè)置的相關(guān)社會(huì)心理因素及目標(biāo)結(jié)構(gòu)構(gòu)建的統(tǒng)計(jì)學(xué)技術(shù)研究姓名顏玉炳申請(qǐng)學(xué)位級(jí)別碩士專業(yè)流行病與衛(wèi)生統(tǒng)計(jì)學(xué)指導(dǎo)教師黃子杰20090301STUDYONPSYCHOSOCIALFACTORSOFGOALSETTINGANDSTATISTICALTECHNIQUESOFTHEGOALSTRUCTURECONSTRUCTIONINCLINICALUNDERGRADUATESABSTRACTOBJECTIVETOINVESTIGATETHECOMEUTS，RESPONSIVEINTENSITIESANDPSYCHOSOCIALFACTORSOFTHEGOALSSETBYTHEMEDICALFRESHMENANDJUNIORSINAMEDICALUNIVERSITYINCOASTALAREA．ONTHATBASIS，THEPAPERFURTHERDISCUSSESTHESTATISTICALTECHNIQUESOFTHEGOALSTRUCTURECONSTRUCTION．METHODSRESEARCHWASCONDUCTEDINTWOPHASESWIMTWODIFFERENTGROUPSINGRADEONEANDGRADETHREE．TEAMWASCONSIDEREDTOBEAUNITANDCLUSTERRANDOMIZEDSAMPLINGWASAPPLIEDTOSELECTALLTHESUBJECTS。INPHASEONE，194STUDENTSOFGRADEONEAND198STUDENTSOFGRADETHREEWERESAMPLED．THEPARTICIPANTSCOMPLETEDAQUESTIONNAIRESURVEYABOUTTHEGOALSTHEYWANTTOACCOMPLISHDURINGTHEFIVEYEARCOLLEGELIFE．THEGOALSCITEDBYNOLESSTHAN5％OFTHEPARTICIPATEDSTUDENTSINTHESAMEGRADEWERECONSIDEREDHIGHLYFREQUENTGOALSANDMADEINTOCARDS．THEFACTORSRELATEDTOTHESEHIGHLYFREQUENTGOALSWEREANALYZED．INPHASETWO，ANTHER112STUDENTSOFGRADEONEAND114STUDENTSOFGRADETHREEWERESELECTEDTOCATEGORIZETHEGOALSSETBYGROUPONEUSINGANINDIVIDUALMEASUREMEUTMETHOD．THECLASSIFICATIONWASBASEDONTHEINHERENTRELEVANCEOFTHESEHIGHLYFREQUENTGOALS．THETIMESOFTWOGOALSBEINGCLASSIFIEDINTOTHESAMEGROUPWERECALCULATEDASTHESETWOGOALS’SIMILARITYMEASUREMEM，BASEDONWHICHATRIANGULARMATRIXWASBUILDTOREFLECTTHEDEGREEOFAFFINITYBETWEENTHETWOGOALS．FACTORANALYSISANDSYSTEMATICCLUSTERANALYSISWERETHENUSEDTOANALYZETHISMATRIXANDOBTAINTHEAVERAGEINTENSITYOFEACHCLUSTER．RESULTSFORGRADEONEANDGRADETHREESTUDENTS，46AND48GOALS謝THKGHFREQUENCYWERESELECTEDRESPECTIVELY．TOSOMEEXTENT，THECONTENTSANDRESPONSIVEINTENSITIESOFTHEGOALSAREAFFECTEDBYFACTORSSUCHASGRADE，SEX，AGE，THEPOSTINCLASS，NUMBEROFCHILDRENINFAMILY,ANDFAMILYECONOMICSITUATION．THEGOALSTRUCTURECONSTRUCTEDBYFACTORANALYSISANDSYSTEMATICCLUSTERANALYSISMETHODCANBECHARACTERIZEDBY112

簡(jiǎn)介：目的高血壓在成年人尤其是老年人中普遍存在，是冠心病、卒中、心力衰竭、腎功能衰竭的最重要的危險(xiǎn)因素。高血壓前期同樣會(huì)增加心腦血管病的風(fēng)險(xiǎn)。近年來國(guó)內(nèi)外對(duì)高血壓人群的人口統(tǒng)計(jì)學(xué)特征及臨床特征的研究不勝枚舉。各研究機(jī)構(gòu)對(duì)吸煙、血脂、尿酸等在非高血壓人群中的分布特征及與血壓的相關(guān)聯(lián)系研究結(jié)果不一。本研究就以中國(guó)漢族非高血壓人群（即高血壓前期及正常血壓人群）為研究對(duì)象，探討其人口統(tǒng)計(jì)學(xué)特征及相關(guān)臨床特點(diǎn)，為以后臨床研究提供基礎(chǔ)資料。方法選取2012714至2013714就診于石家莊市及武漢市多個(gè)體檢中心及社區(qū)門診年齡在19～88歲的非高血壓人群1893人，男女比例為15∶1。參考MONICA心血管疾病變動(dòng)趨勢(shì)和決定因素的監(jiān)測(cè)方案，通過統(tǒng)一問卷調(diào)查表收集研究對(duì)象的基本資料，其主要內(nèi)容包括一般情況（如性別、年齡）、個(gè)人史（如冠心病病史、高血壓病史）、家族史（如冠心病家族史、高血壓家族史）、生活習(xí)慣（如吸煙史）、體格檢查（如身高、體重）及特殊檢查（如血常規(guī)、血生化）。其中血壓測(cè)量統(tǒng)一采用汞柱式血壓計(jì)，研究對(duì)象在未進(jìn)食咖啡等飲料至少30分鐘以上并且安靜休息5～10分鐘后測(cè)量右肱動(dòng)脈，共測(cè)量3次，取均值。入組人群均空腹12小時(shí)后采集外周靜脈血，送三級(jí)甲等醫(yī)院標(biāo)準(zhǔn)實(shí)驗(yàn)室測(cè)量各項(xiàng)指標(biāo)。使用SPSS130軟件包進(jìn)行統(tǒng)計(jì)學(xué)處理。定量資料采用均數(shù)±標(biāo)準(zhǔn)差表示，兩組之間比較用T檢驗(yàn)，多組間比較用單因素方差分析定性資料用百分比表示，組間比較用X2檢驗(yàn)采用多因素LOGISTIC回歸分析高血壓前期的相關(guān)危險(xiǎn)因素。P＜005有統(tǒng)計(jì)學(xué)意義。結(jié)果1、一般情況入選對(duì)象共計(jì)1893人，平均年齡4549±1467歲，其中男性1126人，占595％北方地區(qū)510人，占269％45～64歲827人，占437％平均收縮壓與舒張壓分別為1138±121MMHG和716±82MMHG。高血壓前期在血壓正常人群中檢出率為449％8501893。2、不同性別人口統(tǒng)計(jì)學(xué)及臨床特征與女性相比，男性有更高的收縮壓SBP、舒張壓DBP、紅細(xì)胞計(jì)數(shù)（RBC）、血紅蛋白HGB、體重指數(shù)BMI、空腹血糖調(diào)節(jié)受損IFG發(fā)生率（均P＜005），其中甘油三脂較高，而總膽固醇、高密度脂蛋白膽固醇較低（均P＜001），低密度脂蛋白膽固醇比較差異無統(tǒng)計(jì)學(xué)意義P060。男性有更高的腦血管病病史、吸煙史及高血壓前期發(fā)生率P＜001。3、不同地區(qū)人口統(tǒng)計(jì)學(xué)及臨床特征與武漢地區(qū)相比，石家莊地區(qū)有更高的收縮壓、舒張壓、BMI、紅細(xì)胞計(jì)數(shù)、年齡、血小板計(jì)數(shù)（均P＜005），較慢的心率P＜005空腹血糖均值、IFG及糖尿病DM發(fā)生率均較高（均P＜001）有較高的血脂異常發(fā)生率P＜005，其中甘油三脂TG、總膽固醇TC、低密度脂蛋白膽固醇LDLC、高密度脂蛋白膽固醇（HDLC）均較高P＜005有較高的高血壓前期發(fā)生率（P＜001）。4、不同年齡段人口統(tǒng)計(jì)學(xué)及臨床特征將年齡分為三組（～4445～6465～歲）。隨著年齡的增長(zhǎng)收縮壓、空腹血糖均數(shù)逐漸升高（均P＜005），且IFG及DM發(fā)生率也逐漸升高均P＜005。5、不同體重指數(shù)人口統(tǒng)計(jì)學(xué)及臨床特征隨著體重指數(shù)的增加收縮壓、舒張壓、TG、RBC逐漸升高，HDLC逐漸降低（均P＜005）。超重組和肥胖組較正常組有更高的IFG發(fā)生率及高血壓前期發(fā)生率。6、高血壓前期相關(guān)危險(xiǎn)因素的LOGISTIC回歸分析根據(jù)LOGISTIC回歸分析表明，男性、體重指數(shù)、年齡、心率、腦血管病病史、甘油三脂、北方地區(qū)均是高血壓前期的危險(xiǎn)因素分別為16895％CI126226、11695％CI111120、10395％CI103104、10295％CI101103、60295％CI2051767、11795％CI103132、14395％CI111186。結(jié)論1、在中國(guó)漢族非高血壓人群中，男性、北方地區(qū)、中老年人、超重及肥胖者較女性、南方地區(qū)、中青年人、正常體重指數(shù)者有更高的血脂異常、血糖調(diào)節(jié)受損水平及高血壓前期發(fā)生率。2、男性、體重指數(shù)、年齡、心率、腦血管病病史、甘油三脂、北方地區(qū)均是高血壓前期的危險(xiǎn)因素，其中腦血管病病史為高血壓前期的明顯危險(xiǎn)因素。

簡(jiǎn)介：點(diǎn)擊查看更多山東省肺外結(jié)核患者的人口統(tǒng)計(jì)學(xué)和臨床特征.pdf精彩內(nèi)容。

簡(jiǎn)介：對(duì)人類疾病遺傳與環(huán)境的病因?qū)W研究一直是流行病學(xué)的重要任務(wù)。然而，傳統(tǒng)“黑盒子”流行病學(xué)往往側(cè)重于識(shí)別單一危險(xiǎn)因素，并未聚焦網(wǎng)絡(luò)對(duì)疾病的影響，因而難以深層次地探討致病機(jī)制。研究者渴望打開“黑盒子”，闡明致病因素如何通過“黑盒子”中的病因鏈環(huán)節(jié)而導(dǎo)致疾病發(fā)生、發(fā)展與轉(zhuǎn)歸結(jié)局。高通量組學(xué)技術(shù)的成熟發(fā)展與檢測(cè)成本的大幅度減低，使得流行病學(xué)家有機(jī)會(huì)將系統(tǒng)生物學(xué)理論方法與傳統(tǒng)流行病學(xué)有機(jī)結(jié)合，借助于豐富多彩的組學(xué)標(biāo)記在大樣本人群中闡明“暴露”到“疾病結(jié)局”的作用機(jī)制，從而催生了一個(gè)嶄新的流行病學(xué)分支學(xué)科系統(tǒng)流行病學(xué)。本課題組將系統(tǒng)流行病學(xué)的學(xué)科內(nèi)涵概括為將高通量組學(xué)技術(shù)與傳統(tǒng)流行病學(xué)研究相互融合，利用基因組GENOME、表觀組EPIGENOME、轉(zhuǎn)錄組TRANOME、蛋白組PRETEOME、代謝組METABOLOME、表型組PHENOME等生物組學(xué)標(biāo)記，結(jié)合生物信息學(xué)網(wǎng)絡(luò)數(shù)據(jù)庫(kù)的通路信息，采用系統(tǒng)生物學(xué)方法構(gòu)建“暴露因子組學(xué)生物標(biāo)記疾病終點(diǎn)”間的交互網(wǎng)絡(luò)，并檢測(cè)不同狀態(tài)下（例如疾病組與健康組）網(wǎng)絡(luò)間的差異，以推斷危險(xiǎn)因子導(dǎo)致疾病發(fā)生、發(fā)展與轉(zhuǎn)歸的致病網(wǎng)絡(luò)或特定致病通路及其效應(yīng)大小從而，為進(jìn)一步闡明危險(xiǎn)因子致病通路及流行病學(xué)作用機(jī)制、實(shí)驗(yàn)室功能驗(yàn)證、藥物靶點(diǎn)設(shè)計(jì)、預(yù)防或診療措施制定與評(píng)估提供科學(xué)依據(jù)。系統(tǒng)流行病學(xué)為在人群水平上闡明疾病發(fā)生、發(fā)展與轉(zhuǎn)歸機(jī)制描繪了宏偉藍(lán)圖，它將實(shí)現(xiàn)從獨(dú)立病因研究向病因網(wǎng)絡(luò)研究的跨越性轉(zhuǎn)變。在這一轉(zhuǎn)變進(jìn)程中，病因網(wǎng)絡(luò)構(gòu)建與致病通路識(shí)別將是打開“黑盒子”的重要策略，而網(wǎng)絡(luò)差異的比較正是獲取致病網(wǎng)絡(luò)及致病通路統(tǒng)計(jì)學(xué)證據(jù)的重要方法。因此，系統(tǒng)流行病學(xué)的核心是在人群水平上通過“暴露因子組學(xué)生物標(biāo)記疾病終點(diǎn)”網(wǎng)絡(luò)通路的組間差異統(tǒng)計(jì)學(xué)比較，推斷危險(xiǎn)因子導(dǎo)致疾病發(fā)生、發(fā)展、轉(zhuǎn)歸的網(wǎng)絡(luò)通路及其效應(yīng)大小。任何破壞網(wǎng)絡(luò)通路交互結(jié)構(gòu)的統(tǒng)計(jì)學(xué)比較方法勢(shì)必會(huì)丟失信息，失去其系統(tǒng)流行病學(xué)意義。然而，目前在流行病學(xué)研究中，仍以卡方檢驗(yàn)、T檢驗(yàn)或回歸分析等傳統(tǒng)方法作為生物標(biāo)記組間差異比較的主流方法。這些方法武斷地將原本是相互作用（或調(diào)控）的網(wǎng)絡(luò)節(jié)點(diǎn)假定為近似相互獨(dú)立狀態(tài)，忽略了它們間的交互網(wǎng)絡(luò)結(jié)構(gòu)所以，除了得到生物標(biāo)記組間差異的基本信息外，既不能得到組間網(wǎng)絡(luò)差異信息，更不能推斷出特定危險(xiǎn)因素的致病通路及其效應(yīng)大小。最近，盡管在一些高質(zhì)量的人群組學(xué)研究中，已經(jīng)注重通過后續(xù)功能實(shí)驗(yàn)驗(yàn)證和生物信息學(xué)方法推斷出調(diào)控網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，但因缺乏組間網(wǎng)絡(luò)差異比較的有效統(tǒng)計(jì)學(xué)方法，也只能定性地分析網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)特征，仍難以在人群水平上定量推斷危險(xiǎn)因子的致病網(wǎng)絡(luò)通路及其效應(yīng)大小。因此，發(fā)展網(wǎng)絡(luò)差異比較的統(tǒng)計(jì)分析方法，在人群水平上，比較不同組間的網(wǎng)絡(luò)差異，進(jìn)而推斷危險(xiǎn)因子的致病通路及其效應(yīng)大小，就成為系統(tǒng)流行病學(xué)統(tǒng)計(jì)分析的重要任務(wù)。必須澄清的是，盡管系統(tǒng)流行病學(xué)強(qiáng)調(diào)用高通量組學(xué)分析技術(shù)在人群水平上獲得組學(xué)標(biāo)記大數(shù)據(jù)，但在實(shí)際工作中，因研究假設(shè)、目的或條件的不同，常常需要在2種不同研究策略下推斷網(wǎng)絡(luò)差異1）基于分子流行病學(xué)方法的假設(shè)驅(qū)動(dòng)HYPOTHESISDRIVEN研究策略研究者在深入理解所研究疾病的生理、生化及病理機(jī)制基礎(chǔ)上，綜合以往細(xì)胞（動(dòng)物）實(shí)驗(yàn)或組學(xué)分析結(jié)果，借助生物信息學(xué)網(wǎng)絡(luò)數(shù)據(jù)庫(kù)通路信息，事先勾畫出一個(gè)假定合理的致病網(wǎng)絡(luò)通路。進(jìn)而，用分子流行病學(xué)方法檢測(cè)網(wǎng)絡(luò)通路節(jié)點(diǎn)上的生物標(biāo)記，并在人群水平上檢驗(yàn)組間網(wǎng)絡(luò)通路差異及其效應(yīng)。以期在人群中驗(yàn)證所假設(shè)致病網(wǎng)絡(luò)通路的真實(shí)性及實(shí)用性（設(shè)計(jì)藥物靶點(diǎn)、預(yù)測(cè)疾病發(fā)生預(yù)后、制定及評(píng)估預(yù)防或診療策略等）。2）基于高通量組學(xué)技術(shù)的數(shù)據(jù)驅(qū)動(dòng)DATADRIVEN研究策略研究者在不受任何假設(shè)限制的情況下，利用各種高通量組學(xué)技術(shù)，在人群水平上獲得研究樣本的組學(xué)標(biāo)記數(shù)據(jù)。進(jìn)而，借助系統(tǒng)生物學(xué)方法構(gòu)建“暴露因子組學(xué)生物標(biāo)記疾病終點(diǎn)”網(wǎng)絡(luò)模型，并在人群水平上檢驗(yàn)“對(duì)比組”間網(wǎng)絡(luò)通路差異及其效應(yīng)。為進(jìn)一步實(shí)驗(yàn)驗(yàn)證、藥物靶點(diǎn)確定、制定預(yù)防或診療措施提供依據(jù)。無論是假設(shè)驅(qū)動(dòng)還是數(shù)據(jù)驅(qū)動(dòng)的研究策略，均存在無向網(wǎng)絡(luò)比較和有向網(wǎng)絡(luò)比較兩種情形。前者側(cè)重點(diǎn)是比較“對(duì)比組”間網(wǎng)絡(luò)節(jié)點(diǎn)及其相互作用（相關(guān)關(guān)系）的統(tǒng)計(jì)學(xué)差異，而后者側(cè)重點(diǎn)則是比較網(wǎng)絡(luò)節(jié)點(diǎn)及其調(diào)控關(guān)系的統(tǒng)計(jì)學(xué)差異。因此，系統(tǒng)流行病學(xué)硼究中網(wǎng)絡(luò)差異比較的檢驗(yàn)方法，應(yīng)包括無向網(wǎng)絡(luò)比較和有向網(wǎng)絡(luò)比較2種情形。在系統(tǒng)流行病學(xué)研究中，生物網(wǎng)絡(luò)不僅具備復(fù)雜網(wǎng)絡(luò)的一般性質(zhì)（自組織、自相似、吸引子、小世界、無標(biāo)度等），更重要的是，對(duì)于多數(shù)復(fù)雜疾病的致病網(wǎng)絡(luò)而言，其“節(jié)點(diǎn)”和“邊”的連續(xù)定量變化譜蘊(yùn)含著網(wǎng)絡(luò)差異的全部信息即，節(jié)點(diǎn)和邊多不是“全有或全無（1或0）”式的“開或關(guān)”模式，而是多表現(xiàn)為由0→1的定量漸變式的模式。即使有些基因（如某些致癌基因）在健康狀態(tài)下幾乎不表達(dá)而呈現(xiàn)“全有或全無”模式，其實(shí)質(zhì)也可看作是連續(xù)表達(dá)譜上的一個(gè)極端特殊情形。因此，系統(tǒng)流行病學(xué)網(wǎng)絡(luò)的差異囊括了“節(jié)點(diǎn)”和“邊”的雙重差異，單純“節(jié)點(diǎn)”或單純“邊”的差異遠(yuǎn)不能代表其全部信息的差異。對(duì)于有向網(wǎng)絡(luò)，網(wǎng)絡(luò)差異絕非僅僅是其“節(jié)點(diǎn)”和“邊”兩部分差異的簡(jiǎn)單合并，還應(yīng)充分體現(xiàn)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)所蘊(yùn)含的方向信息，即調(diào)控網(wǎng)絡(luò)內(nèi)“邊”的箭頭指向及“上游節(jié)點(diǎn)”對(duì)“下游節(jié)點(diǎn)”的調(diào)控權(quán)重。然而，目前在系統(tǒng)生物學(xué)或人群組學(xué)研究中，現(xiàn)有的網(wǎng)絡(luò)比較算法（或統(tǒng)計(jì)量）多數(shù)未能涵蓋統(tǒng)計(jì)量構(gòu)建中所必需的上述全部信息。因而，不適合推廣到系統(tǒng)流行病學(xué)研究中網(wǎng)絡(luò)差異比較上。存在的問題可概括為如下4個(gè)方面1）最極端的情況是上述討論過的傳統(tǒng)方法（卡方檢驗(yàn)、T檢驗(yàn)等），它們完全忽略了網(wǎng)絡(luò)的“邊差異信息”。2）系統(tǒng)生物學(xué)中的網(wǎng)絡(luò)比較算法和軟件，多是針對(duì)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)特征指標(biāo)，對(duì)“邊”進(jìn)行操作而不注重“節(jié)點(diǎn)”信息。主要采取網(wǎng)絡(luò)對(duì)齊、網(wǎng)絡(luò)相似性比較或聚類、網(wǎng)絡(luò)路徑搜索等方法比較網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)差異。3）生物信息學(xué)中的生物網(wǎng)絡(luò)比較方法，多數(shù)是對(duì)“點(diǎn)”進(jìn)行標(biāo)準(zhǔn)化使其均值為0方差為1后（無疑損失了點(diǎn)的變異信息），再針對(duì)“邊”的差異著重檢測(cè)“點(diǎn)”之間的連通性，包括通過節(jié)點(diǎn)中心性比較以尋找關(guān)鍵節(jié)點(diǎn)或通路、基于網(wǎng)絡(luò)模體頻率比較網(wǎng)絡(luò)拓?fù)洳町?、基于網(wǎng)絡(luò)間不相似性度量構(gòu)建網(wǎng)絡(luò)差異比較統(tǒng)計(jì)量、基因芯片差異表達(dá)連通分析等。4）尚缺乏考慮有向網(wǎng)絡(luò)內(nèi)“邊”的箭頭指向及“上游節(jié)點(diǎn)”對(duì)“下游節(jié)點(diǎn)”調(diào)控權(quán)重的有向網(wǎng)絡(luò)比較方法。為解決以上問題，本研究在系統(tǒng)流行病學(xué)框架下，從統(tǒng)計(jì)學(xué)和系統(tǒng)生物學(xué)的雙重視角，審視生物網(wǎng)絡(luò)“節(jié)點(diǎn)”與“邊”共變特征，采取“結(jié)構(gòu)拆分→數(shù)理整合”的研究策略，構(gòu)建融合網(wǎng)絡(luò)“節(jié)點(diǎn)”、“邊”和“方向”差異信息的“系統(tǒng)流行病學(xué)網(wǎng)絡(luò)差異比較的統(tǒng)計(jì)分析方法體系”。圖1是本論文的研究框架。如圖11所示，盡管“對(duì)比組”間網(wǎng)絡(luò)差異類型有5種，若將情形B）、C）、D、E中節(jié)點(diǎn)或邊的去除或增加均看作是情形A）中的“虛擬”點(diǎn)或邊，則所有情形均可歸屬于情形A）此時(shí)去掉的點(diǎn)或邊的取值為0，而增加的點(diǎn)或邊的取值為其相應(yīng)的節(jié)點(diǎn)測(cè)量值及相關(guān)程度。如圖12所示，假設(shè)兩“對(duì)比組A、B”的樣本量分別為NA、NB，NANBN。根據(jù)上述“虛擬”點(diǎn)或邊的思想，A、B兩“對(duì)比組”對(duì)應(yīng)的網(wǎng)絡(luò)均可視為具有M個(gè)節(jié)點(diǎn)K條邊。用GAVA，EA表示A組對(duì)應(yīng)的網(wǎng)絡(luò)，其中VA（XA1，XA2，，XAM）為其節(jié)點(diǎn)集合。EAIAIJΣAIJ）MM為其邊集合（更詳細(xì)的矩陣表達(dá)形式見圖1），其中，IAIJ｛1存在節(jié)點(diǎn)XAI與XAJ之間的邊為0其它示性函數(shù)，表示節(jié)點(diǎn)XAI與XAJ之間的連接狀態(tài)，即IA（IAIJ）MM在無向網(wǎng)絡(luò)中僅表示節(jié)點(diǎn)XAI與XAJ是否連接，此時(shí)IAIJIAJI，而在有向網(wǎng)絡(luò)中，當(dāng)節(jié)點(diǎn)XAJ與XAJ的連接狀態(tài)為XAI→XAJ（I≠J，XAI，XAJ∈VA）時(shí)，IAJI1，IAJI0，反之亦然ΣAIJ表示節(jié)點(diǎn)XAJ與XAI之間的連接強(qiáng)度（可用相關(guān)系數(shù)等度量）。相應(yīng)地，GBVB，EB表示B組對(duì)應(yīng)的網(wǎng)絡(luò)，其中VBXB1，XB2，，XBM為其節(jié)點(diǎn)集合，EB（IBIJΣBIJ）MM為其邊的集合，而IBIBIJMM為連接狀態(tài)集合。本研究構(gòu)建“對(duì)比組”間網(wǎng)絡(luò)差異檢驗(yàn)統(tǒng)計(jì)量的基本策略為“結(jié)構(gòu)拆分→數(shù)理整合”。其基本思想是1）結(jié)構(gòu)拆分先將對(duì)比組A與B的網(wǎng)絡(luò)GAVA，EA與GBVB，EB的拓?fù)浣Y(jié)構(gòu)分別拆分為節(jié)點(diǎn)信息（VA，VB）、邊信息（EA，EB）和方向信息（IA，IB），再求兩對(duì)比組間相應(yīng)的節(jié)點(diǎn)信息、邊信息和方向信息的差值（即效應(yīng)）DVVAVB、DEEAEB和DLIA1B。2）數(shù)理整合通過數(shù)理統(tǒng)計(jì)手段，將節(jié)點(diǎn)信息、邊信息和方向信息的差值（效應(yīng)）DV、DE和DL整合為兩“對(duì)比組”間網(wǎng)絡(luò)差異（效應(yīng)）的統(tǒng)計(jì)量DIFFDV∪DE∪D該統(tǒng)計(jì)量將網(wǎng)絡(luò)的“節(jié)點(diǎn)”、“邊”和“方向”差異信息融為一體。在上述研究策略框架內(nèi)（圖1），本論文針對(duì)致病網(wǎng)絡(luò)差異囊括“節(jié)點(diǎn)”、“邊”和“方向”的共變特征，重點(diǎn)研究了以下幾個(gè)關(guān)鍵問題1）提出網(wǎng)絡(luò)差異比較的“結(jié)構(gòu)拆分→數(shù)理整合”的研究策略。2）整合網(wǎng)絡(luò)“節(jié)點(diǎn)”和“邊”的雙重連續(xù)漸變差異信息，發(fā)展了致病通路識(shí)別及其效應(yīng)估計(jì)的統(tǒng)計(jì)推斷模型（第二章）和無向網(wǎng)絡(luò)組間差異比較的得分檢驗(yàn)方法（第三章）。3）整合網(wǎng)絡(luò)“節(jié)點(diǎn)”與“邊”雙重差異信息、以及上下游節(jié)點(diǎn)調(diào)控加權(quán)信息，發(fā)展了“有向網(wǎng)絡(luò)”組間差異比較的檢驗(yàn)方法（第四章）。4）基于聯(lián)合密度估計(jì)的非參數(shù)方法，建立了致病交互網(wǎng)絡(luò)篩選模型并對(duì)其預(yù)測(cè)效果進(jìn)行了系統(tǒng)評(píng)價(jià)（第五章）。具體分述如下一、致病通路識(shí)別及其效應(yīng)估計(jì)的統(tǒng)計(jì)推斷模型研究（第二章）在傳統(tǒng)“黑盒子”流行病學(xué)研究中，通常采用病例對(duì)照設(shè)計(jì)或隊(duì)列研究分析暴露危險(xiǎn)因素與疾病的關(guān)聯(lián)性。其策略是通過比較病例組與對(duì)照組之間某危險(xiǎn)因子的暴露比例而計(jì)算（比如吸煙與肺癌之間的65等）或比較暴露組與非暴露組之間的疾病發(fā)病率而計(jì)算RR（比如吸煙與肺癌之間的RR55等），以闡明暴露與疾病的關(guān)聯(lián)強(qiáng)度。這種基于變量獨(dú)立假設(shè)的統(tǒng)計(jì)推斷方法LOGISTIC回歸、COX回歸等只能提供危險(xiǎn)因素與疾病之間的關(guān)聯(lián)性及其強(qiáng)度大小，并不能闡明危險(xiǎn)因素通過“黑盒子”導(dǎo)致疾病結(jié)局的病因鏈及其致病通路。然而，在不明確暴露因素導(dǎo)致疾病發(fā)生、發(fā)展與轉(zhuǎn)歸的致病通路或網(wǎng)絡(luò)的情況下，往往很難有效地預(yù)測(cè)和評(píng)估干預(yù)暴露因素的效果，且難以得出令人信服或可重復(fù)驗(yàn)證的結(jié)論。鑒于此，流行病學(xué)家一直期望能夠打開“黑盒子”，并挖掘特定危險(xiǎn)因子致病網(wǎng)絡(luò)或通路。盡管病因網(wǎng)絡(luò)的概念早己被提出，但由于缺乏有效的致病通路識(shí)別及其效應(yīng)估計(jì)的統(tǒng)計(jì)推斷方法，流行病學(xué)家一直未能實(shí)現(xiàn)上述夙愿。為此，本研究在上述系統(tǒng)流行病學(xué)研究框架（圖1）下，遵循路徑分析的基本原理，構(gòu)建了識(shí)別致病通路并對(duì)其進(jìn)行統(tǒng)計(jì)學(xué)假設(shè)檢驗(yàn)的推斷方法。以病例對(duì)照研究為例，其基本理念是設(shè)病例組中的特定通路為XD1ΒD1→XD2ΒD2→XD1ΒDK→XDK1，若該通路路徑系數(shù)乘積ΠKK1ΒDK≠0，則表明暴露（或生物標(biāo)記）XD1可以通過該病因鏈將其效應(yīng)傳遞到生物標(biāo)記XDK1，其效應(yīng)量為ΒDΠKK1ΒDK同理，對(duì)照組中該通路XC1ΒC1→XC2ΒC2→XC1ΒCK→XCK1的效應(yīng)量為ΒCΠKK1ΒCK則該通路對(duì)疾病的貢獻(xiàn)可用統(tǒng)計(jì)量DΒDΒCΠKK1ΒDKΠKK1ΒCK來測(cè)量。當(dāng)H0∶DΒDΒC0成立時(shí)，表明上述通路對(duì)疾病無效應(yīng)。本研究將統(tǒng)計(jì)模擬與實(shí)例分析有機(jī)結(jié)合，對(duì)上述統(tǒng)計(jì)量進(jìn)行了系統(tǒng)科學(xué)的評(píng)價(jià)。主要結(jié)果1致病通路識(shí)別的檢驗(yàn)統(tǒng)計(jì)量采取如下統(tǒng)計(jì)量構(gòu)建和檢驗(yàn)策略來識(shí)別致病通路1）非參數(shù)BOOTSTRAP置信區(qū)間檢驗(yàn)方法，其統(tǒng)計(jì)量PEMD定義為DΒDΒCΠΒDKKΠK1ΒCK其中K為通路長(zhǎng)度，表示該通路中有K1個(gè)節(jié)點(diǎn)（變量）和K條邊，ΒDK和ΒCK分別表示病例組與對(duì)照組通路中第尼個(gè)節(jié)點(diǎn)和第K1個(gè)節(jié)點(diǎn)之間的標(biāo)準(zhǔn)化回歸系數(shù)（即路徑系數(shù)）。采用百分位數(shù)BOOTSTRAP置信區(qū)間PERCENTILEBOOTSTRAPCONFIDENCEINTERVAL以及偏差校正后的BOOTSTRAP置信區(qū)間BIASCRECTEDBOOTSTRAPCONFIDENCEINTERVAL進(jìn)行非參數(shù)檢驗(yàn)，以檢驗(yàn)H0∶DΒDΒC0是否成立。2）漸進(jìn)正態(tài)分布統(tǒng)計(jì)量PEMUD統(tǒng)計(jì)模擬表明，以下統(tǒng)計(jì)量UDΒDΒC√VARΒDVARΒC近似服從正態(tài)分布，其中VARΒD和VAR（ΒC）分別表示ΒD和ΒC的方差，分別采用精確估計(jì)THEEXACTESTIMAT方法VARΒEXACTΠKK1S2ΒK十Β2KΠKK1Β2K、無偏估計(jì)UNBIASEDESTIMAT方法VARΒUNBIASEDΠKK1Β2KΠKK1Β2KS2ΒK、多元DELTA估計(jì)MULTIVARIATEDELTAESTIMAT方法VARΒMULTDELTA△COVΒ1，Β2，，ΒK△T（其中△EΒEΒ1，，EΒEΒK）和BOOTSTRAP方法進(jìn)行估計(jì)。2統(tǒng)計(jì)模擬針對(duì)上述統(tǒng)計(jì)量，在H0∶DΒDΒC0成立的前提下遍歷不同樣本量2，評(píng)估其犯第一類錯(cuò)誤的概率是否穩(wěn)定在給定的檢驗(yàn)水準(zhǔn)Α附近。在H1∶DΒDΒC≠0成立的條件下，設(shè)定不同樣本量（N），通路長(zhǎng)度（K，效應(yīng)大?。éうΒC）以及路徑系數(shù)相關(guān)模式（即路徑系數(shù)向量的取值模式），評(píng)估統(tǒng)計(jì)量的檢驗(yàn)效能。模擬結(jié)果顯示1）統(tǒng)計(jì)量PEMD采用兩種BOOTSTRAP置信區(qū)間檢驗(yàn)，統(tǒng)計(jì)量PEMUD采用四種方法計(jì)算方差，在H0成立的前提下，當(dāng)樣本量達(dá)到200時(shí)，其犯第一類錯(cuò)誤的概率均穩(wěn)定在給定的檢驗(yàn)水準(zhǔn)（Α005）附近（表22）表明所構(gòu)建的統(tǒng)計(jì)量具有良好的穩(wěn)定性。2）對(duì)于上述六種情況，在H0不成立時(shí)，其模擬結(jié)果（見圖22圖24）顯示隨著樣本量和效應(yīng)Δ的增加，統(tǒng)計(jì)量的檢驗(yàn)效能均呈單調(diào)遞增趨勢(shì)固定樣本量及效應(yīng)Δ時(shí)，隨著通路長(zhǎng)度K的增加，統(tǒng)計(jì)量仍然具有足夠高的檢驗(yàn)效能，表明統(tǒng)計(jì)量檢驗(yàn)效能不受通路長(zhǎng)度的影響固定樣本量及效應(yīng)Δ時(shí)，隨著路徑系數(shù)增大，統(tǒng)計(jì)量檢驗(yàn)效能有所降低，表明在路徑系數(shù)較大時(shí)需要更大的樣本量才能達(dá)到足夠高的檢驗(yàn)效能。總體而言，在上述六種情形中百分位BOOTSTRAP方法、偏差校正的BOOTSTRAP方法、BOOTSTRAP估計(jì)方差法的穩(wěn)定性和檢驗(yàn)效能均較好，尤其是偏差校正BOOTSTRAP置信區(qū)間的檢驗(yàn)效能最高。3實(shí)例分析采用上述統(tǒng)計(jì)量PEMD和PEMUD，分析基于病例對(duì)照設(shè)計(jì)的急性髓性白血病AML分子流行病學(xué)數(shù)據(jù)（包含98例患者和35例對(duì)照個(gè)體的骨髓中T17細(xì)胞，TREG細(xì)胞和細(xì)胞轉(zhuǎn)化生長(zhǎng)因子TGFΒΒ的檢測(cè)數(shù)據(jù)）。結(jié)果表明除精確估計(jì)法外，其余五種方法均發(fā)現(xiàn)通路TREG→TGFΒΒ→TH17與AML具有關(guān)聯(lián)性（表23）。實(shí)驗(yàn)性研究也早己證實(shí)，TREG、TGFΒΒ和TH17均與AML有關(guān)聯(lián)，且TH17細(xì)胞和TREG細(xì)胞在功能上具有相互抑制作用。我們的研究結(jié)果進(jìn)一步表明通路TREG→TGFΒ→TH17對(duì)AML的發(fā)生具有重要意義。結(jié)論統(tǒng)計(jì)量PEMD和PEMUD均具有良好的統(tǒng)計(jì)學(xué)性能，可用于識(shí)別和檢驗(yàn)致病通路，其中BOOTSTRAP非參數(shù)檢驗(yàn)方法更加高效。主要?jiǎng)?chuàng)新點(diǎn)構(gòu)建了基于路徑系數(shù)連乘積之差的致病通路識(shí)別檢驗(yàn)統(tǒng)計(jì)量，為系統(tǒng)流行病學(xué)中致病通路識(shí)別提供了新方法。二、無向網(wǎng)絡(luò)組間差異比較的假設(shè)檢驗(yàn)方法研究（第三章）比較和檢驗(yàn)對(duì)比組間（病例組VS對(duì)照組、暴露組VS非暴露組、干預(yù)組VS非干預(yù)組）網(wǎng)絡(luò)的統(tǒng)計(jì)學(xué)差異，是系統(tǒng)流行病學(xué)研究中識(shí)別致病通路、闡明暴露因子或干預(yù)措施對(duì)疾病發(fā)生、發(fā)展與轉(zhuǎn)歸機(jī)制影響的核心任務(wù)。然而，目前尚缺乏網(wǎng)絡(luò)比較的統(tǒng)計(jì)學(xué)檢驗(yàn)方法。對(duì)于多數(shù)復(fù)雜疾病的致病網(wǎng)絡(luò)而言，其“節(jié)點(diǎn)”和“邊”的連續(xù)定量變化譜蘊(yùn)含著網(wǎng)絡(luò)差異的全部信息因此，系統(tǒng)流行病學(xué)網(wǎng)絡(luò)的差異囊括了“節(jié)點(diǎn)”和“邊”的雙重差異，單純“節(jié)點(diǎn)”或單純“邊”的差異遠(yuǎn)不能代表其全部信息的差異。在構(gòu)建“對(duì)比組”間網(wǎng)絡(luò)差異比較的統(tǒng)計(jì)量時(shí)，必須同時(shí)包含“節(jié)點(diǎn)”和“邊”的差異即，在統(tǒng)計(jì)量中，用對(duì)比組間網(wǎng)絡(luò)“節(jié)點(diǎn)平均量”的差來刻畫節(jié)點(diǎn)平均水平的組間差異，而用網(wǎng)絡(luò)節(jié)點(diǎn)間“邊變化”的差來刻畫節(jié)點(diǎn)相互作用（邊）的差異。當(dāng)不明確或不考慮網(wǎng)絡(luò)中節(jié)點(diǎn)間的方向時(shí)，可根據(jù)圖1中無向網(wǎng)絡(luò)比較的統(tǒng)計(jì)量構(gòu)建方法，融合經(jīng)典統(tǒng)計(jì)量構(gòu)建策略（例如得分檢驗(yàn)統(tǒng)計(jì)量，似然比檢驗(yàn)統(tǒng)計(jì)量，WALD檢驗(yàn)統(tǒng)計(jì)量），綜合考慮節(jié)點(diǎn)和邊的信息，構(gòu)建相應(yīng)的無向網(wǎng)絡(luò)比較統(tǒng)計(jì)量。本章將借助得分檢驗(yàn)統(tǒng)計(jì)量的理論構(gòu)建無向網(wǎng)絡(luò)比較的統(tǒng)計(jì)檢驗(yàn)方法。其基本思想是，在上述“結(jié)構(gòu)拆分→數(shù)理整合”策略（圖1）中可不考慮方向差異。則兩“對(duì)比組”間網(wǎng)絡(luò)差異檢驗(yàn)統(tǒng)計(jì)量的一般形式可簡(jiǎn)化為DIFFDV∪DE。主要結(jié)果1無向網(wǎng)絡(luò)組間差異比較的統(tǒng)計(jì)量令GD與GC分別表示兩對(duì)比組的網(wǎng)絡(luò)，并假定GD與GC具有相同的拓?fù)浣Y(jié)構(gòu)（M個(gè)節(jié)點(diǎn)、K條邊）理論上，對(duì)比組間（病例組VS對(duì)照組、暴露組VS非暴露組、干預(yù)組VS非干預(yù)組）網(wǎng)絡(luò)節(jié)點(diǎn)取值和邊的強(qiáng)度之間的差異，可以表征致病效應(yīng)或干預(yù)效果。以病例對(duì)照研究為例，給定病例組與對(duì)照組的樣本量分別為ND和NC，當(dāng)原假設(shè)H0∶GDGC成立時(shí)，兩組間的對(duì)應(yīng)網(wǎng)絡(luò)節(jié)點(diǎn)總體均值相等，即ΜDΜC（I1，，M）同時(shí)兩組間各對(duì)應(yīng)邊的強(qiáng)度相等ΒDKΒCK（K1，，K）。根據(jù)得分檢驗(yàn)SCETEST思想，在H0∶GDGC成立的前提下兩組樣本可合并為NNDNC則對(duì)于個(gè)體LL1，2，，N，定義Y1｛1L∈病例組（D）0，L∈對(duì)照組C其第I個(gè)點(diǎn)的取值為XLI。則，節(jié)點(diǎn)XI對(duì)兩“對(duì)比組”間網(wǎng)絡(luò)差異貢獻(xiàn)（即效應(yīng)大?。┑牡梅譃镈VI∑NL1（YIY）XLI，I1，，M，從而，得到“節(jié)點(diǎn)差異效應(yīng)”得分向量DV（DV1，DV2，，DVM）T。類似的，第K條邊XIXJ對(duì)兩“對(duì)比組”間網(wǎng)絡(luò)差異貢獻(xiàn)（即效應(yīng)大?。┑牡梅譃镈EK∑NL1（Y1Y）（XLIXIL）（XLJXIJ），K1，，K從而，得到“邊差異效應(yīng)”得分向量為DEDE1，DE2，，DEKT。將“節(jié)點(diǎn)差異效應(yīng)”與“邊差異效應(yīng)”合并為“網(wǎng)絡(luò)差異效應(yīng)”得分向量DDVDE，該向量的協(xié)方差陣為∑COVDΣPQ（MK）（MK），PQ12，，MK，MK為網(wǎng)絡(luò)中所有“節(jié)點(diǎn)數(shù)”與“邊數(shù)”之和。從而，將“節(jié)點(diǎn)信息”和“邊信息”整合到統(tǒng)計(jì)量DIFM中DIFMDTΣ1D其中，協(xié)方差矩陣∑可表示為分塊矩陣（ΣVΣVEΣVEΣE）其計(jì)算方法如下1對(duì)于∑V，PQ12，，MΣPQ∑NL1YLY2COVXP，XQXPX1PX2P，，XNP2）對(duì)于∑EPQM1M2MKΣPQΣNL1Y1Y2COVZP，ZQ，ZP（XIXI）（XIXJ）3）對(duì)于∑VE，P1，2，，M，QM1，M2，，MKΣPQ∑NL1（Y1Y）2COV（XP，ZQ）。由得分檢驗(yàn)理論推知，在大樣本情況下，在H∶GDGC成立時(shí)，DIFM服從自由度為MK的卡方分布，即DIFM～X2KM。樣本量較小時(shí)也可采用PERMUTATION方法進(jìn)行假設(shè)檢驗(yàn)。2統(tǒng)計(jì)模擬針對(duì)上述統(tǒng)計(jì)量，在H0∶GDGC成立的前提下遍歷不同樣本量（N）以及網(wǎng)絡(luò)規(guī)模大小M10，20，40K21，45，54，評(píng)估其犯第一類錯(cuò)誤的概率是否穩(wěn)定在給定的檢驗(yàn)水準(zhǔn)Α附近。在H0不成立的條件下，設(shè)定節(jié)點(diǎn)X（X1，X2，，XM）數(shù)據(jù)服從多元正態(tài)分布，模擬如下3種情形，以系統(tǒng)評(píng)估統(tǒng)計(jì)量的檢驗(yàn)效能。情形1兩網(wǎng)絡(luò)之間只有節(jié)點(diǎn)水平的差異情形2網(wǎng)絡(luò)間只有邊（關(guān)聯(lián)強(qiáng)度）存在差異情形3網(wǎng)絡(luò)間同時(shí)存在節(jié)點(diǎn)水平與邊（關(guān)聯(lián)強(qiáng)度）的差異。特別地，為進(jìn)一步評(píng)價(jià)統(tǒng)計(jì)量DIFM對(duì)節(jié)點(diǎn)變量分布的穩(wěn)健性，令節(jié)點(diǎn)X（X1，X2，，XM）數(shù)據(jù)為非正態(tài)分布，在部分節(jié)點(diǎn)非正態(tài)（隨機(jī)選擇部分節(jié)點(diǎn)，令其為指數(shù)分布）和全部節(jié)點(diǎn)非正態(tài)（令全部節(jié)點(diǎn)為指數(shù)分布）兩種情況下，分別就上述3種情形進(jìn)行了系統(tǒng)的模擬研究。模擬結(jié)果1）在H0GDGC成立的前提下，針對(duì)組間網(wǎng)絡(luò)對(duì)應(yīng)節(jié)點(diǎn)及邊差異之和所構(gòu)建的非參數(shù)PERMUTATION統(tǒng)計(jì)量VEWDM、只考慮兩組間邊差異的非參數(shù)PERMUTATION統(tǒng)計(jì)量YATESD，和本章所構(gòu)建的卡方分布統(tǒng)計(jì)量DIFM三種方法，模擬結(jié)果表明，在樣本量達(dá)到一定程度時(shí)三種方法的犯第一類錯(cuò)誤的概率均穩(wěn)定在給定的檢驗(yàn)水準(zhǔn)（Α005）附近（表31表32），而卡方分布統(tǒng)計(jì)量DIFM在樣本量相對(duì)較小時(shí)N＞200即表現(xiàn)出良好的穩(wěn)定性。2）在H0不成立的條件下，給定單純節(jié)點(diǎn)差異（如ΜD3ΜC302等）、單純邊差異（如ΒD35ΒC3502等）和節(jié)點(diǎn)與邊均存在差異（如ΜD8ΜC802，ΒD57ΒC5702等）時(shí)，模擬結(jié)果（圖34圖38）顯示，本章所構(gòu)建的統(tǒng)計(jì)量DIFM與統(tǒng)計(jì)量VEWDM及YATESD相比，始終具有最高的檢驗(yàn)效能。3）特別地，在只存在節(jié)點(diǎn)差異時(shí)，正如所期望的那樣，統(tǒng)計(jì)量YATESD失去檢驗(yàn)效能，而統(tǒng)計(jì)量DIFM仍然具有很高的檢驗(yàn)效能。4）在節(jié)點(diǎn)數(shù)據(jù)偏離正態(tài)分布時(shí)，本章所構(gòu)建的統(tǒng)計(jì)量DIFM仍然具有最高的檢驗(yàn)效能，表明DIFM具有良好的穩(wěn)健性。3實(shí)例分析將所構(gòu)建的無向網(wǎng)絡(luò)差異檢驗(yàn)的統(tǒng)計(jì)量DIFM應(yīng)用于麻風(fēng)病致病網(wǎng)絡(luò)比較706例麻風(fēng)病病例與514例健康對(duì)照，結(jié)果顯示該統(tǒng)計(jì)量具有合理性和實(shí)用性，分析結(jié)果符合生物學(xué)機(jī)制。同時(shí)，將統(tǒng)計(jì)量進(jìn)一步用于卵巢癌致病通路PI3KAKT與NOTCHC1亞型卵巢癌病人83例，C2C6亞型168例的組間比較，也發(fā)現(xiàn)了符合生物學(xué)機(jī)制的組間差異。結(jié)論統(tǒng)計(jì)量DIFM不僅具有良好的穩(wěn)定性、檢驗(yàn)效能和穩(wěn)健性，而且具有較高的實(shí)用性，為系統(tǒng)流行病學(xué)研究中無向網(wǎng)絡(luò)比較提供了良好的統(tǒng)計(jì)學(xué)檢驗(yàn)方法。主要?jiǎng)?chuàng)新點(diǎn)針對(duì)無向網(wǎng)絡(luò)的特征，采用“節(jié)點(diǎn)信息與邊信息整合得分”的融合策略，構(gòu)建了網(wǎng)絡(luò)組間差異比較的統(tǒng)計(jì)量DIFM，為系統(tǒng)流行病學(xué)無向網(wǎng)絡(luò)比較提供了新方法。三、有向網(wǎng)絡(luò)組間差異比較的假設(shè)檢驗(yàn)方法研究（第四章）上述第三章所構(gòu)建的無向網(wǎng)絡(luò)比較的統(tǒng)計(jì)量DIFM只注重了節(jié)點(diǎn)差異和邊差異信息，尚未考慮方向信息。然而在系統(tǒng)流行病學(xué)網(wǎng)絡(luò)比較中，網(wǎng)絡(luò)中的方向信息會(huì)提供更有價(jià)值的致病路徑及暴露（或干預(yù)）的作用機(jī)制。從而為探討疾病發(fā)生、發(fā)展和轉(zhuǎn)歸機(jī)制，評(píng)價(jià)干預(yù)措施，尋找精準(zhǔn)藥物靶點(diǎn)等提供重要依據(jù)。因此，本章將進(jìn)一步構(gòu)建有向網(wǎng)絡(luò)差異比較的假設(shè)檢驗(yàn)方法。其基本思想是對(duì)于有向網(wǎng)絡(luò)，網(wǎng)絡(luò)差異絕非僅僅是其節(jié)點(diǎn)和邊兩部分差異的簡(jiǎn)單合并，還應(yīng)充分體現(xiàn)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)所蘊(yùn)含的方向信息，即調(diào)控網(wǎng)絡(luò)內(nèi)“邊”的箭頭指向及“上游節(jié)點(diǎn)”對(duì)“下游節(jié)點(diǎn)”的調(diào)控權(quán)重。為此，在構(gòu)建有向網(wǎng)絡(luò)比較的統(tǒng)計(jì)量時(shí)，需將網(wǎng)絡(luò)“節(jié)點(diǎn)”、“邊”和“方向”差異信息融為一體，將節(jié)點(diǎn)信息、邊信息和方向信息的差值（效應(yīng)）DV、DE和DL整合為兩“對(duì)比組”間網(wǎng)絡(luò)差異（效應(yīng)）的統(tǒng)計(jì)量DIFF（DV∪DE∪D1）。主要結(jié)果1有向網(wǎng)絡(luò)組間差異比較的統(tǒng)計(jì)量令GD與GC分別表示兩對(duì)比組的網(wǎng)絡(luò)，VGD與EGD分別表示GD中的節(jié)點(diǎn)集合與有向邊集合。當(dāng)原假設(shè)H0∶GDGC成立時(shí)，兩組間的對(duì)應(yīng)網(wǎng)絡(luò)節(jié)點(diǎn)總體均值相等，即ΜDIΜCI（I1，，M）同時(shí)兩組間各對(duì)應(yīng)邊的強(qiáng)度及方向相同ΒDKΒCKK1，，K。用XDIXDJ表示節(jié)點(diǎn)XDI與XDJ之間的有向邊XDIΒDIJ→XDJ，其中ΒDIJ表示XDI對(duì)XDJ的調(diào)控強(qiáng)度。令VDI表示節(jié)點(diǎn)XDI的子代節(jié)點(diǎn)數(shù)目，將XDI的權(quán)重定義為WDIVDI∑LEVGD）VD1，其含義為XDI的子代節(jié)點(diǎn)數(shù)占全部節(jié)點(diǎn)子代節(jié)點(diǎn)總數(shù)的比例。令VVGD∪VGC，EEGD∪EGC，則，本章構(gòu)建如下有向網(wǎng)絡(luò)組間差異比較的檢驗(yàn)統(tǒng)計(jì)量WNES1KΣXKEV1WDKWCK2XDKXCK√VARXDKVARXCK21MΣXIXJ∈EΒDIJΒCIJ√VARΒDIJVARΒCIJ2其中，WDK，XDK，ΒDIJ分別表示網(wǎng)絡(luò)GD中XDI相應(yīng)的權(quán)重、樣本均值以及ΒDIJ的估計(jì)值WCK，XCK，ΒCIJ分別為網(wǎng)絡(luò)GC中相應(yīng)的變量。需注意的是K與M分別為節(jié)點(diǎn)集V與邊集E的數(shù)目，如果節(jié)點(diǎn)XK（或邊XIXJ）在GD中存在，但在GC中不存在，則將XCK與其方差（或ΒCIJ與其方差）視為0，反之亦然。統(tǒng)計(jì)量中采用的加權(quán)形式為AWDKWC2，也可以替換為1OGB（B（WDKWCK2），其中Α與B越小，表示網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)信息（上、下游節(jié)點(diǎn)間的調(diào)控關(guān)系）在統(tǒng)計(jì)量中占的比重越大。采用PERMUTATION方法進(jìn)行假設(shè)檢驗(yàn)。2統(tǒng)計(jì)模擬針對(duì)上述統(tǒng)計(jì)量WNES，在H0GDGC成立的前提下，遍歷不同樣本量N、網(wǎng)絡(luò)規(guī)模大小M12，35，K15，79以及網(wǎng)絡(luò)結(jié)構(gòu)（箭頭多少及方向），評(píng)估統(tǒng)計(jì)量犯第一類錯(cuò)誤的概率是否穩(wěn)定在給定的檢驗(yàn)水準(zhǔn)Α附近。在H0不成立的條件下，給定三種網(wǎng)絡(luò)方向加權(quán)方式（無方向加權(quán)、1（WDKWDK）2，LOG22WDWC2），模擬如下5種情形，

簡(jiǎn)介：中山大學(xué)博士學(xué)位論文高維數(shù)據(jù)統(tǒng)計(jì)學(xué)習(xí)及其在人臉識(shí)別、微陣列分析中的應(yīng)用姓名陽文輝申請(qǐng)學(xué)位級(jí)別博士專業(yè)應(yīng)用數(shù)學(xué)指導(dǎo)教師戴道清20080527中文摘要度矩陣投影；另一種是對(duì)類問散度矩陣投影。并且證明了對(duì)總的散度矩陣投影可以保持各類樣本之問的線性可分，而對(duì)類間散度矩陣投影可以保持各類均值向量之間的距離不變。其次，基于具有較強(qiáng)魯棒性、穩(wěn)定性和有效性的極大問距準(zhǔn)則MMC，提出了一種不相關(guān)判別分析UDA算法該算法不需要考慮數(shù)據(jù)維數(shù)和樣本數(shù)目的限制，克服了經(jīng)典LDA的局限。由于不是所有的判別向量都是有用的，在判別向量選取階段，我們定義了一個(gè)優(yōu)化判別子空間去限制判別向量的數(shù)目，從而建立了一種完全自動(dòng)化的方式驗(yàn)證參數(shù)。二基于二維極大間距準(zhǔn)則MMC的特征提取在人臉識(shí)別中所處理的人臉圖像數(shù)據(jù)都是二維的，如果要使用一維判別分析方法，就必須把人臉圖像矩陣轉(zhuǎn)化為向量，這種轉(zhuǎn)化會(huì)帶來兩個(gè)問題高維小樣本問題和圖像結(jié)構(gòu)信息丟失問題。近年來，二維判別分析正是基于這兩點(diǎn)而成為了人臉識(shí)別中的一項(xiàng)新技術(shù)。本質(zhì)上，二維判別分析是基于圖像的行或列去找判別向量，從而挖掘出圖像的局部特征，但是從整體上來看，二維判別分析得到的投影矩陣仍然可能含有冗余信息。而一維判別分析是基于整幅圖像去找判別向量，考慮的是全局特征。本文結(jié)合二維判別分析和一維判別分析的優(yōu)勢(shì)，提出了一個(gè)基于兩個(gè)處理階段的人臉識(shí)別框架“2D2MMCLDA”。第一階段，提出了一個(gè)二維雙向特征提取技術(shù)F2D2MMC。2D2MMC可以看成是MMC方法在二維數(shù)據(jù)上的直接推廣。第二階段，在2D2MMC的降維子空間里運(yùn)行LDA。三基于奇異值分解SVD的顯著常量雙聚類方法雙聚類是對(duì)微陣列數(shù)據(jù)進(jìn)行分析的一個(gè)重要途徑。使用雙聚類算法，我們可以識(shí)別出微陣列中的局部結(jié)構(gòu)模型在特定實(shí)驗(yàn)條件下，部分基因具有一致表達(dá)。這種模型可能對(duì)我們理解不同生理狀態(tài)下的生物過程提供關(guān)鍵的線索。本文將網(wǎng)答，在特定條件下，哪些基因表達(dá)上調(diào)，哪些基因表達(dá)下調(diào)，哪些基因不顯著等問題。這些信息能為我們提供許多有價(jià)值的基因網(wǎng)絡(luò)調(diào)控信息。通過特殊的數(shù)據(jù)預(yù)處理，尋找特定實(shí)驗(yàn)條件下的表達(dá)上調(diào)基因組或表達(dá)下調(diào)基因組可以通過檢測(cè)顯著常量雙聚類來實(shí)現(xiàn)。本文介紹了一種新穎的思想，以SVD為框架，把挖掘基因表達(dá)數(shù)據(jù)中的常量雙聚類問題轉(zhuǎn)換為兩個(gè)全局聚類問題。在全局聚類問題中，應(yīng)用統(tǒng)計(jì)方法，我們估計(jì)了分層聚類里的剪枝閾值。我們的方法能識(shí)別出重要的相互調(diào)控基因組，并且能有效的把相同類型的樣本聚類在一起。在三個(gè)公共數(shù)據(jù)庫(kù)HUMANTISSUES，LYMPHOMA和LEUKEMIAL上的實(shí)驗(yàn)結(jié)果展現(xiàn)了良好的可視化特征和解釋能力。第II頁(yè)，共119頁(yè)

簡(jiǎn)介：西北大學(xué)碩士學(xué)位論文當(dāng)代中國(guó)科技史科研人員與機(jī)構(gòu)的學(xué)科排名一種基于中文期刊信息的統(tǒng)計(jì)學(xué)分析方法姓名劉旻申請(qǐng)學(xué)位級(jí)別碩士專業(yè)科學(xué)技術(shù)史（科技史與科技政策）指導(dǎo)教師曲安京20070401研單位和機(jī)構(gòu)在某一學(xué)科的競(jìng)爭(zhēng)力度模型，并以科學(xué)技術(shù)史學(xué)科為例作了實(shí)證研究，給出了該學(xué)科強(qiáng)競(jìng)爭(zhēng)力的科研機(jī)構(gòu)排名。5通過對(duì)我國(guó)科學(xué)技術(shù)史期刊文獻(xiàn)的現(xiàn)狀研究分析，找出存在的問題，提出了促進(jìn)該學(xué)科的研究、推動(dòng)其科學(xué)管理的發(fā)展思路和建議。關(guān)鍵詞科學(xué)史統(tǒng)計(jì)學(xué)計(jì)量學(xué)期刊文獻(xiàn)評(píng)價(jià)作者科研機(jī)構(gòu)N

簡(jiǎn)介：海量數(shù)據(jù)分類一直是數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和人工智能的研究熱點(diǎn)，海量數(shù)據(jù)分類是應(yīng)用訓(xùn)練集構(gòu)造一個(gè)分類器，應(yīng)用這個(gè)分類器能夠完成后續(xù)分類工作。本文深入研究了兩種基于統(tǒng)計(jì)學(xué)習(xí)理論的數(shù)據(jù)分類算法，即樸素貝葉斯分類以及粗糙集分類的工作原理，并針對(duì)樸素貝葉斯分類算法的增量分類算法、基于粗糙集的屬性約簡(jiǎn)算法等存在的一系列問題，提出了相應(yīng)的解決方法。針對(duì)樸素貝葉斯算法不具有增量分類能力及海量數(shù)據(jù)增量分類算法時(shí)間復(fù)雜度較大等缺點(diǎn)，提出一種基于空間特征向量的增量貝葉斯算法，給出了將向量空間原理及空間歐氏距離結(jié)合獲取樣本特征向量的方法及增量分類過程。仿真實(shí)驗(yàn)結(jié)果表明，本文提出的算法在大量樣本參與分類的時(shí)候，能夠相對(duì)快速并且準(zhǔn)確的完成分類任務(wù)，能夠給出一個(gè)相對(duì)準(zhǔn)確的樣本分布情況。針對(duì)基于SKOWRON差別矩陣的屬性約簡(jiǎn)算法存在的應(yīng)用范圍受限、時(shí)間及存儲(chǔ)空間浪費(fèi)和效率瓶頸等問題，通過提出一種濃縮布爾矩陣的概念，提出了一種基于濃縮布爾矩陣的屬性約簡(jiǎn)算法以布爾代數(shù)的形式來解決現(xiàn)有差別矩陣存儲(chǔ)空間大、生成效率低等缺點(diǎn)；給出一種新的用于直接生成分辨函數(shù)最小析取范式的算法，有效改善了算法的時(shí)間和空間復(fù)雜度，從而提高了屬性約簡(jiǎn)算法的效率；另外在約簡(jiǎn)率上本文所提算法也有明顯的優(yōu)勢(shì)。針對(duì)上述所提出的屬性約簡(jiǎn)算法不適應(yīng)動(dòng)態(tài)變化的對(duì)象集、不支持增量式約簡(jiǎn)算法等問題，在深入分析新增對(duì)象與原決策表對(duì)象間的關(guān)系的基礎(chǔ)上，提出了一種適用于決策表的增量式屬性約簡(jiǎn)算法，實(shí)現(xiàn)了對(duì)屬性約簡(jiǎn)結(jié)果的動(dòng)態(tài)更新、維護(hù)和管理，提高了屬性約簡(jiǎn)的效率，理論分析和實(shí)例驗(yàn)證表明算法是有效可行的。

簡(jiǎn)介：摘要在我國(guó)，教育人類學(xué)研究始于20世紀(jì)80年代初期對(duì)少數(shù)民族教育的研究。在經(jīng)歷了引進(jìn)介紹、獨(dú)立探索之后，教育人類學(xué)研究已經(jīng)取得了重大進(jìn)展。目前，這一學(xué)科到底發(fā)展到了什‘么程度研究者群體的結(jié)構(gòu)如何還存在哪些問題這門學(xué)科的發(fā)展?jié)摿θ绾芜@些問題是凝聚學(xué)者共識(shí)、加快學(xué)科發(fā)展的重要基礎(chǔ)和前提。本文認(rèn)為，基于中國(guó)教育人類學(xué)發(fā)展的特殊背景，“教育人類學(xué)”這一術(shù)語在中國(guó)語境下具有廣泛的綜合性、包容性和開放性，涉及了“教育人類學(xué)“、“少數(shù)民族教育’’、“多元文化教育”和“跨文化教育”這四個(gè)相對(duì)獨(dú)立而又相互交叉的研究領(lǐng)域。本文從“教育人類學(xué)”、“少數(shù)民族教育”、、“多元文化教育”和“跨文化教育”這四個(gè)關(guān)鍵詞出發(fā)，以中國(guó)大陸地區(qū)的教育人類學(xué)研究文獻(xiàn)為主，以港臺(tái)地區(qū)的教育人類學(xué)研究文獻(xiàn)為輔，對(duì)中國(guó)教育人類學(xué)的現(xiàn)狀和發(fā)展進(jìn)行探究。與以往基于文獻(xiàn)綜述的中國(guó)教育人類學(xué)歷史回溯研究不同，本文側(cè)重于運(yùn)用文獻(xiàn)計(jì)量學(xué)原理，從“量”的角度出發(fā)，將中國(guó)教育人類學(xué)研究文獻(xiàn)分為著作、期刊文章、博士學(xué)位論文和碩士學(xué)位論文四類進(jìn)行搜集整理和定量統(tǒng)計(jì)，重點(diǎn)從文獻(xiàn)載體的分類、文獻(xiàn)時(shí)間的分布、研究教育階段的分析、研究作者的分類、期刊分布五個(gè)方面對(duì)中國(guó)教育人類學(xué)的現(xiàn)狀和發(fā)展進(jìn)行初步分析，并結(jié)合定性研究的方法，從總體上綜合探討中國(guó)教育人類學(xué)研究取得的成就、存在的問題，并提出解決這些問題的對(duì)策與建議。論文共分為四章。第一章，導(dǎo)論。本章簡(jiǎn)要介紹了中國(guó)教育人類學(xué)研究的現(xiàn)狀，提出了本T。ABSTRACTLULIIIIIIIIIIIIIIIIILLLIIIILY2137541INCHINA，EDUCATIONALANTHROPOLOGYSTUDYWASSTARTEDFROMMINORITYETHNICGROUPEDUCATIONRESEARCHINTHEEARLY1980S．AFTERBEINGTHROUGHTHEINTRODUCTIONANDINDEPENDENTEXPLORATIONPERIOD，EDUCATIONALANTHROPOLOGYSTUDYHASMADEASIGNIFICANTPROGRESS．ATPRESENT，WHATDEGREEDOESTHISDISCIPLINEDEVELOPT07WHAT’STHEGROUPSTRUCTUREOFRESEARCHERSWHATPROBLEMSSTILLEXISTWHAT’STHEPOTENTIALOFTIFFSDISCIPLINETHESECLUESTIONSARETHEILNPORTANTFOUNDATIONANDPREMISEOFCOMBININGSCHOLARS’COILSELLSUSASWELLASSPEEDINGTIPTHEDISCIPLINEDEVELOPMENTTHISARTICLESUGGESTSTHATBASEDONTILEUNIQUEDEVELOPMENTALBACKGROUNDOFEDUCATIONALANTHROPOLOGYINCHINA．THETERM”EDUCATIONALANTHROPOLOGY”HASTILEFEATURESOFBROADCOMPREHENSIVENESS，INCHLSIVENESS，ANDOPENNESSINCHINESECONTEXTANDITISRELATEDTO”EDUCATIONALANTHROPOLOGY”，”LNINORITYETHNICGROUPEDUCATION”．”MULTICULMRALEDUCATION”AND”CROSSCULTUREEDUCATION”一THESEFOURRELATIVEINDEPENDENTANDMUTUALCROSSFIELDSOFSTUDY．THISARTICLESTARTSFROMPROBINGINTOTHESEFOURKEYWORDS”EDUCATIONALANTHROPOLOGY”，”MINORITYETHNICGROUPEDUCATION”，”MULTICULTURALEDUCATION”AND”CROSSCULTUREEDUCATION¨，MAINLYBYLITERATUREREVIEWOFCHINESEMAINLANDEDUCATIONALANTHROPOLOGYRESEARCH，SUPPLEMENTEDBYLITERATUREREVIEWOT’EDUCATIONALANTHROPOLOGYRESEARCHINHONGKONGANDTAIWAN，EXPLORESBOTHTHECURRENTSTATUSANDDEVELOPLNENTOFEDUCATIONALANTHROPOLOGYSTUDYINCHINADIFFERENTFROMTHEFORMERCHINESEEDUCATIONALANTHROPOLOGYHISTORICALILL

簡(jiǎn)介：復(fù)旦大學(xué)博士學(xué)位論文中高能物理與宇宙學(xué)中的熱力學(xué)統(tǒng)計(jì)物理問題姓名尹少禹申請(qǐng)學(xué)位級(jí)別博士專業(yè)理論物理指導(dǎo)教師蘇汝鏗20100410摘要26通過研究5維反德西特空間中扭曲黑弦的張量引力擾動(dòng)，我們發(fā)現(xiàn)不同拓?fù)渑c不同半徑的黑弦都存在不穩(wěn)定性，這種不穩(wěn)定性的出現(xiàn)取決于擾動(dòng)在第五維空問中的模式。這一不穩(wěn)定性條件對(duì)聯(lián)系動(dòng)力學(xué)不穩(wěn)定性與熱力學(xué)不穩(wěn)定性的理論嘗試提出了新的挑戰(zhàn)。7作為附帶介紹關(guān)于額外維空問住宇宙學(xué)中的相關(guān)問題，我們還研究了帶有額外維物質(zhì)I拘DVALIGABADADZEPORRATI膜宇宙中等效暗能量狀態(tài)方程的轉(zhuǎn)變。數(shù)值結(jié)果顯示，額外維物質(zhì)的引入使得有效暗能量狀態(tài)方程能夠發(fā)生轉(zhuǎn)變，其中額外維物質(zhì)的存在，而不是額外維與膜宇宙之間的能流，對(duì)于膜上宇宙的狀態(tài)方程轉(zhuǎn)變有至關(guān)重要的作用。關(guān)鍵字熱力學(xué)，統(tǒng)汁物理，TJ高能物理，廣義相對(duì)論，宇宙學(xué)，黑洞物理學(xué)，天體物理學(xué)中圖分類號(hào)041

簡(jiǎn)介：西北師范大學(xué)碩士學(xué)位論文義務(wù)教育第一學(xué)段統(tǒng)計(jì)教學(xué)策略研究姓名熊永梅申請(qǐng)學(xué)位級(jí)別碩士專業(yè)學(xué)科教學(xué)數(shù)學(xué)指導(dǎo)教師呂世虎20071101ABSTRACTSTATISTICS，ASCIENCECLOSELYRELATEDWITHLIFE，ISWIDELYAPPLIEDTOLIFEANDMANYACHIEVEMENTSANDADVANCESINOTHERSCIENCEFIELDSHAVEFURTHERPROVEDTHERESPLENDENCYANDIMPORTANCEOFMATHEMATICALSTATISTICSPEOPLEAREATTACHINGMOREANDMOREIMPORTANCETOTHETEACHINGOFSTATISTICSITSCURRICULUMFEATURESANDSTUDENTS’AGESANDCHARACTERISTICSINSTUDYINGSTATISTICSSHOULDBESERIOUSLYCONSIDEREDINTHEFIRSTSTAGEOFCOMPULSORYEDUCATIONDUETOCONDITIONALTEACHINGIDEALINTEACHINGSTATISTICSTHESCHOOLSSUFFERINGFROM“THREEDIFFICULTIES“，VIZDIFFICULTTOLEARNDIFFICULTTOTEACHINGANDDIFFICULTTOSOLVEEXERCISEPROBLEMSSO“FORCEFEEDDUCK“TEACHINGMETHODSSUCHASEMPHASIZINGKNOWLEDGE，L蟛CALANDFORMALTRAININGDOESNOTFITFORTHESTUDENTS’DEMANDSTEACHINGINSTATISTICSSHOULDBETRANSFERREDFROMTHETEACHERSCENTRETOSTUDENTS’ACTIVITYCENTRESTUDENTSWILLOBTAINHARMONIOUSDEVELOPMENTNOTONLYINMATHEMATICALKNOWLEDGEANDABIFITYBUTALSOINEMOTIONATTITUDEANDVALUEOFPRICETHETEACHINGOFSTATISTICSWILLPLAYITSREALROLEINTRAININGAPPLIEDTECHNICIANSGUIDED喇THMODERNEDUCATIONALPSYCHOLOGYANDCOMBINEDWITHTHEAUTHOR’SYEARSOFTEACHINGEXPERIENCE，THEPAPERAIMSATSOLVINGTHECONCRETEPROBLEMSINTEACHERSANDSTUDENTSTHEAUTHORBORROWEDTHERESEARCHRESULTSOFMANYEXPERTSANDCRAFTBROTHERSAPPLYINGTHEMETHODOFLITERATUREANALYSISBASEDONTHESUCCESSFULAPPLICATIONOFSOMECASESINSTATISTICSTEACHINGTHISPAPERHASPUTFORWARDSIXTEACHINGTACTICSINTEACHINGSTATISTICS1DESIGNTHESTATISTICSTEACHINGBASEDONTHECHILDREN’SPHYSICALANDPSYCHOLOGICALCHARACTERISTICS2UPGRADETHEPROFESSIONALQUALITIESOFTEACHERTHEMSELVESANDIMPROVETHEEFFICIENCYOFSTATISTICSTEACHING3STIRTHESTUDENTS’INTERESTINLEARNINGSTATISTICSBYGAMESANDEXAMPLESINREALLIFE4ADAPTTHETEACHINGMATERIALOPPORTUNELYACCORDINGTOTHEPRACTICALSITUATIONANDREGIONALCHARACTERISTICSOFSTUDENTSTOAROUSETHESTUDENTS’INTERESTINLEARNINGSTATISTICS5PAYMOREATTENTIONTODEVELOPTHESTATISTICSTHINKINGOFSTUDENTSGUIDETLESTUDENTSPRACTICETHESTATISTICS6EXCAVATETHETEACHINGMATERIALOFTHESTATISTICS，PAYMOREATTENTIONTODEVELOPTHESTUDENL／KEYWORDSCOMPULSORYEDUCATION；STATISTICS；INNOVATIVELEARNING；TEACHINGTACTICM