HIBITS公司 swMATH编号： 30626 软件作者： 高，徐；沙巴巴，巴巴克；埃尔南多·奥姆巴奥 描述： 使用高斯过程建模二进制时间序列，并应用于预测睡眠状态。受睡眠状态预测问题的启发，我们开发了一个由高斯过程表示的随机成分的二进制时间序列的混合效应模型。固定分量捕捉协变量对二值响应的影响。高斯过程捕获二进制响应中的剩余变化，这些变化不是由协变量和过去的实现所解释的。我们开发了一个频率学家建模框架，可以提供有效的推断和更准确的预测。结果表明，与现有方法（如逻辑回归、广义加性混合模型、有序数据模型、梯度增强、决策树和随机森林）相比，改进的预测率具有优势。使用我们提出的模型，我们表明先前的睡眠状态和心率是未来睡眠状态的重要预测因素。仿真研究也表明，我们提出的方法是有前途的和鲁棒的。为了处理计算复杂性，我们使用拉普拉斯近似、黄金分割搜索和逐次抛物线插值。在本文中，我们还提交了一个实现所建议程序的R包（HIBITS）。 主页： https://rd.springer.com/content/pdf/10.1007%2Fs00357-018-9268-8.pdf 依赖项： R（右） 关键词： 二进制时间序列;分类;高斯过程;潜在过程;睡眠状态 相关软件： 提示;美国astsa;EEGLAB公司;法尔迈尔;spBayes公司 引用于： 5文件 标准条款 1出版物描述软件，包括1出版物以zbMATH为单位 年份 使用高斯过程对二元时间序列进行建模，并应用于预测睡眠状态。 Zbl 1422.62219号高、徐;巴巴克·沙巴巴;埃尔南多·奥姆巴奥 2018 全部的 前5名10位作者引用 三 高、徐 三 Hernando C.Ombao。 2 巴巴克·沙巴巴 2 沈伟宁 1 陈坤志 1 卡罗来纳州尤安 1 诺伯特·J·福廷。 1 丹尼尔·吉伦。 1 孙莹 1 朱维轩 5篇连载文章中引用 1 多元分析杂志 1 Metron公司 1 分类期刊 1 计算统计与数据分析 1 中国统计局 在2个字段中引用 5 统计学（62-XX） 1 概率论与随机过程（60-XX） 按年份列出的引文