专业级别的读写图形文件OCX控件，支持art，bmp，cut，dib，emp，gem，gif，hrz，iff，img，png，jpg，lbm，mac，msp，pcx，ras，rle，tga，tif，wmf，wpg等文件格式。 好东西,像征性的收点小费!

Matlab代码考克斯估计适用于间隔检查的比例风险模型的方法 这是我的硕士论文中使用的仿真框架的最小示例。 该代码的目的是为执行蒙特卡洛模拟提供一个灵活的平台，以比较Cox回归算法的几种不同实现。 该软件克服的主要挑战是，因为这些软件包是用不同的语言（R和MATLAB）编写的，所以没有一种简单的方法可以使用完全相同的生成数据集在每个实现上运行仿真以进行公平的比较。 取而代之的是，生成的数据集需要以R和MATLAB格式保存到磁盘，运行模拟，然后整理结果。 这些脚本解决的第二个问题是，对于普通的便携式计算机而言，该程序将花费数月的时间才能运行：某些算法的计算量很大。 这些脚本允许模拟在高性能计算服务器上远程运行，以便以后可以下载结果摘要。 最后，可用的计算服务器没有MATLAB许可证，因此这些脚本允许使用MATLAB的开源实现Octave运行MATLAB语言算法。 实验与配置 该框架旨在允许使用相同的代码库来设置和运行大量实验。 在本文中，在各种数据样本大小和审查比例下，对各种技术进行了比较。 通过为每个实验创建一个单独的目录，并在名为setup.R的文件中设置实验参数来设置这些不同的“实

平方根扩散过程已广泛用于对利率行为进行建模。 它是著名的 Cox-Ingersoll-Ross 期限结构模型 (1985) 的基础过程。 我们调查利率时间序列的平方根过程（CIR过程）的最大似然估计。 提供了估算程序的 MATLAB 实现，并在 PRIBOR 3M 时间序列上进行了测试。

绘制生存曲线和事件分析时间的示例。 拟合Kaplan-Meier和Cox比例风险模型 Survival_analysis_example.Rmd 拟合生存模型的高级功能，包括Cox模型中的高级选项，coxph（）中的计数选项，Cox模型的诊断，Cox模型中的时间相关协变量等 生存高级 expand_nomissing_study1.csv 生存数据的数据文件 拟合分段指数比例风险模型 piecewise_exponential_proportional_hazards_model.R 使用GLM泊松模型拟合生存模型 simple_glm_survival.R 拟合生存树 Survivor_trees 生存模型和危险比的荟萃分析 metaanalysis_hazard_ratios.R 备忘单和其他资源 备忘单文件夹 改编自 改编自 改编自 额外资源

数据融合matlab代码快节奏 此代码解决了面向假设的多重假设跟踪（HO-MHT）的数据关联问题。 更一般而言，此问题是k最佳2D分配或k最佳二分匹配问题。 也就是说，给定成本矩阵，它会以分配元素总成本的升序依次找到行与列的一对一分配。 数据关联问题的唯一更改是可以考虑行和列的多个子集（代表先前的假设）。 Murty算法是解决k个最佳分配问题的公知解决方案，并且存在诸如[1]，[2]之类的实现数据关联的实现。 此实现从中得到启发，并添加了一些新的优化。 它比[1]快一点，并且可以处理对象没有匹配度量的情况，反之亦然（这很重要）。 对于大而复杂的问题，它们都比[2]或我知道的任何其他实现都快得多。 有关上述优化的论文将在IEEE FUSION 2019大会上发表。 依存关系 该代码是用C语言编写的，仅具有标准库相关性，以便相对容易地移植到Python，MATLAB，C ++等。其中包括Python 2.7端口，并且需要numpy。 Python编译包Numba也可用于在example_3frame.py中达到较高的速度，但是可以在不更改功能的情况下将其删除。 在Python 3中使用可能

#glmnet包含有线性回归，逻辑回归，泊松计数模型，cox回归模型，多分类逻辑回归多响应线性回归 #阿法系数=0是岭回归，阿法系数=1，是lasso回归 ############################################################ data(QuickStartExample) #20 Independent variables and 1 dependent variable fit<-glmnet(x,y) #查看计算路径 print(fit)#Df是非零系数的个数，第三列是惩罚力度，第二列是相应的惩罚力度对应的解释偏差百分比 #利用coef来提取模型的系数 coef(fit,s=0.1) #可视化 plot(fit) #预测 #参数newx用来设置输入数据，s用来设置朗姆塔（惩罚力度）的值 nx<-matrix(rnorm(10*20),10,20) predict(fit,newx=nx,s=c(0.1,0.05)) #交叉验证，筛选最优的朗姆塔的值，cv.glmnet函数实现这个功能 cvfit<-cv.glmnet(x,y) plot(cvfit)#红色散点为交叉验证的散点图，两条垂直的虚线为交叉验证后选定的朗姆塔 #提取最优的朗姆塔的值 cvfit$lambda.min#均方误差最小 cvfit$lambda.1se#一倍标准差 #根据朗姆塔来取得系数 coef(cvfit,s='lambda.min') #将稀疏矩阵转化为传统矩阵 as.matrix(coef(cvfit,s='lambda.min'))

List列表控件

Cox生存分析，分析疾病的风险因素，得出疾病的生存曲线。

Matlab代码考克斯预测神经母细胞瘤总体生存的转移机制模型 此代码生成该论文中报告的结果和数字： Benzekry，S.，Sentis，C.，Coze，C.，Tessonnier，L.，＆André，N.（2020年）。 使用转移的机械模型开发和验证高危神经母细胞瘤总体存活率的预测模型。 JCO：《临床癌症信息学》，第5卷，第81-90页。 具体来说，该代码由python和matlab脚本以及jupyter笔记本（在python和R中）组成，并执行： 总体生存和无进展生存的预后因素的统计分析（Kaplan-Meier，对数秩，Cox回归） code/statistical_analysis.ipynb 结果导出到statistical_analysis/ 转移机制模型的仿真 code/main_simulate.m 诊断时根据定量临床数据对模型参数进行校准：原发肿瘤大小，乳酸脱氢酶（LDH）和核显像的SIOPEN评分 code/mechanistic.ipynb 结果以mechanistic/导出mechanistic/ 评估基于特定患者的Cox回归模型对整体生存的预测能力 code

box-cox的详细说明，并利用Minitab对box-cox转换的操作步骤