分类: 其他 >> 综合 提交时间: 2023-10-09 合作期刊: 《心理学报》
摘要: 心理学研究中, 不恰当的模型参数估计框架或收敛准则严重影响模型参数点估计的可靠性, 进而影响到研究结论的可靠性。本研究提出了基于MLE-EM的CDM模型参数估计新框架, 以及新收敛判断方法。通过模拟研究与实证数据分析的方式, 探索了新参数估计框架和新收敛判断方法的表现, 并与已有模型参数估计框架及收敛判断方法进行了比较。结果显示, 新的模型参数估计框架及收敛准则的表现优于已有的模型参数估计框架及收敛准则, 能有效提高模型参数点估计的可靠性。
分类: 心理学 >> 心理测量 分类: 心理学 >> 心理统计 提交时间: 2023-05-11
摘要: 心理学研究中,不恰当的模型参数估计框架或收敛准则严重影响模型参数点估计的可靠性,进而影响到研究结论的可靠性。本研究提出了基于MLE-EM的CDM模型参数估计新框架,以及新收敛判断方法。通过模拟研究与实证数据分析的方式,探索了新参数估计框架和新收敛判断方法的表现,并与已有模型参数估计框架及收敛判断方法进行了比较。结果显示,新的模型参数估计框架及收敛准则的表现优于已有的模型参数估计框架及收敛准则,能有效提高模型参数点估计的可靠性。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-11-29 合作期刊: 《计算机应用研究》
摘要: 目前,三维场景应用越来越多,复杂的模型给实时渲染造成了较大压力,模型简化成为必要的一步。针对大多算法在简化率较大的情况下易丢失模型的细节特征的问题,引入顶点尖锐度的概念,并基于QEM(quadric error metric)折叠代价给出一种改进的折叠代价,能更多地保留模型的细节特征;同时针对大多简化算法不包含纹理处理的问题,引入纹理变化因子,更多保留纹理的细节部分。在简化的基础上,还提出一种网格局部优化算法,解决简化后网格质量不高的问题。实验结果表明,本算法不仅可以保持模型的细节特征和纹理的完整性,同时得到的模型网格质量高。