高师音乐教学适应社会需要之管见

当今社会是一个快速发展的社会.随着社会的发展,社会的需要也产生了新的变化,如何适应新形势下的社会对声乐人才的需要,是摆在高师声乐教学面前的一个重要课题,改变以往的声乐理论观念、教学形式、课程设置,培养出的声乐人才,才能适应当今社会的需要.     

有序响应变量的贝叶斯模型选择及其在COPD疾病防治中的应用

慢性阻塞性肺病(COPD)是一种发病率、死亡率都非常高的疾病，且COPD的诊断和严重程度分级依赖于肺功能的检查，但是由于肺功能检查仪器价格昂贵，使得这项检查在很多经济欠发达地区尤其是农村基层医院并没有普及。本文基于有序响应变量模型致力于研究一种便于基层和社区使用的可以初步判别COPD病情的模型，以期提高我国基层和社区的COPD 防治水平。利用贝叶斯变量选择方法和数据增强的潜变量策略得到了易于实施的Gibbs后验抽样算法。数值模拟分析进一步说明了本文提出的有序响应变量贝叶斯模型选择方法的有效性，实例分析得到了易于判别COPD严重程度的稀疏模型。     

比例数据基于Tobit分位数回归模型的贝叶斯变量选择

针对家庭商业健康保险参保比例在[0,1]闭区间上取值的特点,本文基于Tobit模型给出了比例响应数据的贝叶斯分位数回归建模方法。通过引入回归系数的“Spike-and-slab”先验分布,应用EM算法我们提出了基于门限规则的贝叶斯变量选择方法。大量数值模拟研究验证了所提的贝叶斯变量选择方法的有效性,且具有易操作、计算量小等优点。最后,将此方法应用到家庭商业健康保险数据的实证分析,研究不同分位数水平下家庭健康保险参保比例的影响因素,得到了许多有意义的研究结果。     

基于贝叶斯方法的比例数据分位数推断及其应用

为了尝试使用贝叶斯方法研究比例数据的分位数回归统计推断问题,首先基于Tobit模型给出了分位数回归建模方法,然后通过选取合适的先验分布得到了贝叶斯层次模型,进而给出了各参数的后验分布并用于Gibbs抽样。数值模拟分析验证了所提出的贝叶斯推断方法对于比例数据分析的有效性。最后,将贝叶斯方法应用于美国加州海洛因吸毒数据,在不同的分位数水平下揭示了吸毒频率的影响因素。     

浅谈古典主义时期音乐欣赏

音乐欣赏和音乐创作同样是人类高级的、复杂的、特殊的精神活动。作曲家通过个人独特的审美经验、审美感受,从而召唤欣赏者相应的审美情感,这种召唤是具有一种特殊动力的。在严肃的音乐创作中,音乐作品中的每一个音符,都是创作者精神活动的结晶,都是为了表现的内容而组织到音乐作品中去的。任何音乐艺术作品都包含了创作者的表现意图。对音乐的欣赏不能简单地理解为对独立的听觉感知,它是通过听觉感受而唤起的整个心灵体验的审美活动。     

Beta-Binomial回归模型及其应用

在成败型试验中或满意度支持率调查中,Beta-Binomial分布常被用来刻画具有偏大离差的计数型比例数据,由此提出Beta-Binomial回归模型,研究参数的最大似然估计方法并基于Newton-Raphson算法给出参数估计的迭代方法;重点讨论模型中回归参数和相关性参数存在的检验问题,提出Score检验方法并通过数值模拟研究Score检验统计量的检验功效问题;实例分析证明Beta-Binomial回归模型的有用性。     

贝叶斯分位数回归组间组内变量选择及其应用

文章利用贝叶斯方法研究分位数回归的组间和组内双变量选择问题。基于偏态拉普拉斯分布和贝叶斯统计推断方法,结合组间和组内系数的Spike-and-Slab先验分布,提出了分位数回归的贝叶斯双层变量选择方法,并给出易于实施的Gibbs后验抽样算法。通过大量数值模拟和实证分析验证了所提变量选择方法的有效性。     

贝叶斯支持向量回归及其应用

支持向量回归（SVR）是机器学习中重要的数据挖掘方法，当前关于SVR的研究大多基于二次规划理论，同时，利用交叉验证或一些智能算法选取模型中的超参数，然而，基于二次规划理论的SVR估计方法不仅计算量较大，而且不能进行后续的统计推断分析。文章基于贝叶斯方法研究SVR，通过引入两个潜在变量将SVR的?不敏感损失函数表示为双重正态-尺度混合模型并构建似然函数，通过选取适当的先验分布获得兴趣参数和超参数的Gibbs抽样算法。为筛选重要变量和最优模型，引入0-1指示变量并选取回归参数的Spike and Slab先验来获得贝叶斯变量选择算法。数值模拟证明了所提算法的有效性，并在非正态误差下表现出很好的稳健性。最后将所提方法应用于房价数据分析，得到了有意义的结果。