截尾线性回归模型参数极大似然估计的存在性

工业统计中,常用到截尾线性回归模型,其未知参数估计通常用极大似然估计(Maximum Likeli-hood Estimates,MLE),但有时极大似然估计不一定存在.Silvapulle and Burridge只给出了该模型极大似然存在的一个充分必要条件,但未给出严格的证明.本文给出其严格的证明,并且给出仅有区间截尾的情形下参数极大似然估计存在的一个更简单的条件.     

零膨胀几何分布的参数估计

在产品质量检验过程中,经常会出现零观测值较多的情况.为更好拟合这类数据,提出零膨胀几何分布模型,引入隐变量,运用极大似然估计(MLE)、最大期望(EM)算法下的极大似然估计及贝叶斯估计对模型参数进行估计.设定不同的样本量,不同的参数真值,采用数值模拟方法对上述研究方法的性能进行评估.     

基于EM算法的联合调制识别与参数估计

针对低信噪比情况下单节点接收调制识别率低的问题,提出了一种基于多节点接收与混合最大似然的调制识别算法。多节点同步接收后将基带信号发送到融合中心,使用混合最大似然实现全局分类判决,通过空间分集提高低信噪比下调制识别的性能。为了解决联合似然函数中多维未知参数难以直接求解的问题,将未知发送符号序列表示成隐藏变量后采用EM算法实现未知参数的最大似然估计。给出的算法在平坦衰落信道下实现了BPSK、QPSK、8PSK、16QAM信号的调制识别与参数估计。与基于矩的算法相比,基于EM迭代的最大似然估计提高了未知参数的估计精度。仿真实验结果表明,当采用四节点同步接收,在信噪比大于-2dB时,平均正确识别率能够达到95%以上。     

协变量随机缺失的广义半参数模型

在协变量随机缺失条件下,研究了广义半参数模型的加权拟似然估计方法,给出了未知参数与非参数回归函数的估计．进一步求出了估计的渐近偏差和渐近方差,并证明了所给出的加权拟似然估计具有渐近正态性．     

半参数纵向数据的Logistic模型

以纵向数据的半参数模型为基础,建立了半参数纵向数据的Logistic回归模型,对此模型中的参数进行了参数估计,讨论了它的信息矩阵,给出了似然方程的Newton-Raphson迭代求解过程。     

用PSO方法搜索基于MLE的ARMA模型参数

针对小样本条件下用矩估计(ME)方法获取ARMA模型参数粗略的缺点,将粒子群优化算法(PSO)用于小样本ARMA模型参数的极大似然估计(MLE),以获得概率上最优的数字解。在分析基于ARMA模型似然函数的基础上,详细分析了PSO的思想、方法和评价指标。以实际例证显示了联合PSO优化方法估计AMAR模型参数的优良特性,并从算法和似然函数角度分别阐释了形成利弊的原因。     

广义t分布的EM估计

在广义t分布的自由度参数未知时,自由度参数的最大似然估计不存在,而矩估计和最大似然估计不相合。通过建立广义t分布和正态混合分布之间的关系,能够在不完全数据框架下讨论自由度参数的最大似然估计。给出了广义t分布的Bayes分层表达,证明了参数的共轭先验和两类隐变量的数学期望。讨论并分析了广义t分布的EM类算法及估计的标准差的计算。通过MonteCarlo模拟,分析了广义t分布的参数估计问题。     

一种基于EM算法的快速收敛参数估计方法

将EM算法用于参数估计中,提出了一种在EM算法迭代中使用符号后验概率修正先验概率的快速收敛参数估计方法。通过分析参数估计的CRB与EM算法收敛速率的关系,指出通过降低参数估计的CRB可以提高EM算法的收敛速率。证明了修正之后的算法能加速算法收敛的机理,即降低了缺失数据的熵;同时证明了修正后的算法仍然收敛到修正前的似然函数。最后以载波相位估计为例与传统基于EM算法的相位估计方法进行比较,仿真结果表明,在不影响估计性能的前提下,算法收敛速率明显加快。     

广义指数分布参数基于截尾样本在序约束下的极大似然估计

研究了多个广义指数分布参数基于截尾样本在序约束下的极大似然估计问题。应用简单迭代法和EM迭代法给出广义指数分布的两个未知参数的极大似然估计的算法,并讨论了其在简单半序、伞形半序、简单树半序和简单环半序约束下的极大似然估计问题,并给出模拟结果。     

宏观非一致增长波动经济二次最优完全控制模型

依据完全控制模型理论,给出了宏观非一致增长波动经济最大似然估计参数方法,并给出松驰优化因子和牛顿迭代相结合的求解算法。在估计参数的基础上,给出宏观非一致增长经济均衡轨道性质。     

应用MCEM算法估计一阶双重线性时间序列模型中的参数

本文利用Monte Carlo EM算法实现了对一阶双重线性时间序列模型的参数的估计.推出了估计模型中两个未知参数m与σ2的迭代步骤,并对模型进行了模拟计算,给出了模拟计算的结果.     

求解对角占有线性方程组的一种有效算法

针对线性方程组的求解,通过引入参数矩阵,提出一种求解线性方程组的迭代方法。为保证算法的收敛性,使迭代矩阵的无穷范数最小,确定参数矩阵的参数,得到求解线性方程组的迭代格式,证明了算法求解对角占优线性方程组是收敛的。数值结果表明了算法的有效性。     

基于相关熵和流形学习的多标签特征选择算法

从相关熵的角度出发,提出一种基于相关熵和特征流形学习的稀疏正则化方法,用于解决多标签特征选择问题。在相关熵定义的基础上给出多标签特征选择的回归模型;结合?_{2, 1}范数的性质和特征流形学习的定义建立基于相关熵和特征流形学习的稀疏正则化多标签特征选择模型及算法;证明该算法的收敛性并且通过试验验证所给算法的有效性。     

部分线性EV回归模型中的极大经验似然估计

针对带有协变量误差的部分线性回归模型的估计问题,利用经验似然方法,在一定条件下,证明了所得到的未知参数的极大经验似然估计具有渐近正态性．同时获得了非参数估计的最优收敛速度O_P(n~(-1/3))．     

一类特殊的非对称线性互补问题的两步迭代法

线性互补问题的高效能算法在大规模科学计算与工程中至关重要。而两步迭代法是一个适合求解大规模问题的有效算法。基于非对称逐次超松弛迭代法和投影共轭梯度迭代法的思想,文中提出了一类求解系数矩阵为三对角非对称M矩阵的线性互补问题的USSORP-PCG算法——两步迭代法。在建立算法收敛性定理之后,证明了算法的收敛性。数值例子通过扩大系数矩阵的规模,并与逐次超松弛迭代法比较来验证算法对于大规模问题具有高效性和良好的收敛性。     

求解线性互补问题的一种迭代算法

将线性互补问题转化为一非光滑问题,给出了一种简单迭代算法,并证明了该算法的收敛性．     

一种求解任意线性代数方程组的迭代算法

本文给出一种求解任意线性方程组Ax=b(A∈K~(mxm);b±k~m)的迭代算法,证明了算法的收敛性,指出收敛极限是方程组的最小二乘解,特别当方程组有解时,收敛极限为方程组的一个解。最后组出一个算例,验证了本文算法的有效性。     

压缩感知的天文图像去噪算法

针对压缩感知迭代收缩阈值算法在图像处理中存在收敛速度慢和去噪性能差的缺陷,提出了一种改进的高性能迭代收缩阈值天文图像去噪重建算法.首先,使用经典最速下降法中的BB线性搜索步长算子加快迭代收缩阈值算法的收敛速度;其次,为了进一步提高重构天文图像的质量,在传统Visu Shrink收缩阈值的基础上,提出一种下降Visu Shrink收缩阈值对图像信息进行筛选;由于阈值去噪方法在迭代重建的过程中会导致重建的图像中出现伪吉布斯效应,最后采用循环平移的方法在每次迭代过程中对获取的重建图像进行调整.多次的试验结果表明,与传统的压缩感知迭代收缩阈值算法相比,所提出的算法不仅能够获得较优的去噪性能和较快的收敛速度,同时可以有效地保护天文图像的特征和纹理等细节信息.此外,当选取的压缩采样比较低时,本算法也可以获得相对较高的峰值信噪比和视觉质量,进一步验证了本算法在天文图像去噪中的有效性.