纵向非单调缺失数据下部分线性模型的广义经验似然推断

为了研究纵向非单调缺失数据下部分线性模型的估计问题,基于二次推断函数提出了回归系数和基准函数的广义经验似然比函数,得到了相应的极大经验似然估计。证明了所提出的经验对数似然比渐近于卡方分布,由此构造了相应的置信域和逐点置信区间,模拟研究比较了广义经验似然与正态逼近方法的有限样本性质。     

纵向数据下部分线性模型的二次光滑估计

利用二次光滑估计方法研究纵向数据下部分线性模型的估计问题,给出了二次光滑估计的渐近性质.进一步计算表明,在渐近方差不变的前提下,二次光滑估计的渐近偏差的阶o_p(h⁴)低于局部线性估计的渐近偏差的阶o_p(h²),即二次光滑估计的效果优于局部线性估计的效果.利用CD4细胞数数据对二次光滑估计方法进行验证表明,本文所得结果正确.     

纵向数据下半参数EV模型的强相合性

为研究纵向数据下半参数EV函数关系模型中参数的估计问题,通过利用一般非参数权函数方法和全最小二乘法给出未知参数和未知函数的估计,在一般的条件下,证明了估计的强相合性,并对所得结果进行了模拟研究.模拟结果显示估计效果较好,所得结果可以应用于生物工程、金融分析、网络工程等领域的数据处理中.     

高维部分线性小波模型中的变量选择

通过研究高维部分线性模型中的变量选择,并结合小波方法和SCAD罚估计,提出了双罚估计方法,同时进行了变量选择和参数估计。模拟结果和实际数据分析表明,该方法在非参函数为非光滑函数时优于传统方法。     

部分线性模型的M-估计

部分线性模型已获得广泛的研究和应用,其未知参数和函数的估计方法往往不具有稳健性.研究了部分线性模型的稳健M-估计,用局部线性方法和平均方法给出了常系数的M-估计,用回切方法给出了函数的M-估计.证明了该估计的渐近正态性,并通过模拟验证了所提出方法的优良性.     

删失数据下部分线性模型的估计及渐近正态性

研究了删失数据下的部分线性回归模型,通过数据变换,利用局部多项式方法和两阶段估计,给出了函数系数和参数部分的估计。并给出了估计的渐近正态性。     

双重部分函数型回归模型的贝叶斯估计

经典的函数型回归模型一般假设模型误差具有等方差性,而在经济学、社会科学等领域会经常遇到数据具有异方差的情形.因此,针对异方差函数型数据,基于方差建模的思想提出了双重部分函数型回归模型,其中方差参数也用函数型协变量进行建模.另外,运用Karhunen-Loève表示定理来逼近函数型系数的思想,以及应用Gibbs抽样和Metropolis-Hastings算法相结合的混合MCMC算法来同时获得均值模型和方差模型中未知参数和函数型系数的贝叶斯估计.最后,通过模拟研究和实际数据分析表明所提出的贝叶斯估计方法是可行有效的.     

食品溯源时序数据的函数型聚类分析

借助函数型数据分析的方法和思想,在一个一般性的框架下讨论对猪肉链时序数据的聚类问题,提出了函数型聚类分析在食品追溯时序数据分析上的应用方法:把时序数据看成一个完整的关于时间的函数对象,而非个体观测值的简单排列,将离散数据转化为函数数据;用基函数展开系数向量的距离代替原函数之间的距离,减少了大量数值积分,简化了运算。通过对复杂的、时序性强的溯源数据进行函数型聚类分析,把复杂离散的数据聚类为连续的分类信息,使得溯源数据的可用性极大增强,可以为决策者和进一步的分析提供科学依据。     

基于SA-MCMC算法的非线性测量误差模型的影响分析

研究了非线性测量误差模型的影响分析.首先把模型中有误差的不可观测的数据当作是缺失数据,接着用SA-MCMC算法得到了模型参数的最大似然估计,然后考虑用Q函数代替可观测数据的对数似然函数来进行影响分析,得到了建立在Q函数上的局部影响分析的诊断统计量.最后用具体的例子说明了诊断统计量的有效性.     

缺失数据下局部M-估计

在缺失响应变量的不完全数据下,对非参数回归模型进行研究.利用稳健的局部线性回归的方法,给出了回归函数m（x）的3个局部线性M-估计：完整数据M-估计,加权M-估计和估计的加权M-估计,证明了3个M-估计有相同的相合性和渐近正态性.模拟研究表明估计的加权M-估计优越于一般的加权估计.     

Modified fuzzy point estimate method and its application to slope reliability analysis

A slope engineering system is a complex system, in which many uncertainties exist, including random uncertainties and fuzzy uncertainties. Traditionally, random uncertainties were often considered, while fuzzy uncertainties were ignored. Therefore, fuzzy-random methods should be proposed. A fuzzy point estimate method was proposed by Dodagoudar, that is, considering the effect of fuzzy-random factors, the fuzzy-random limit state function of slopes is changed to random interval limit state function by the A level cutting, then the moments of the function can be obtained by the Rosenblueth's method, and the stability state of slopes can be evaluated by synthesizing a group of moments. But in Dodagoudar's method, Rosenblueth's state function is composed of only two kinds of combinations of parameters rather than 2" kinds of combinations. So a modified fuzzy point estimate method is proposed by the authors, and it is used in a slope reliability analysis.     

空间自适应方向全变分地震数据去噪模型

随着我国油气勘探工作的不断推进,地震勘探面临着重大挑战。受到复杂的勘探环境、采集方式、检波器灵敏度等因素的影响,野外采集的地震数据中往往混杂着大量随机噪声,导致后续地震数据处理的保真度、信噪比和分辨率降低,并且最终影响地质解释的精确性、可靠性。 为了突破传统地震数据处理问题的局限性,提出了一种用于地震数据随机噪声压制的空间自适应方向全变分正则化模型。首先,针对地震反射同相轴具有空间变化的方向性和倾角计算抗噪性差的问题,提出了基于梯度结构张量的空变倾角逐点估计公式来获取同相轴的方向信息;然后,建立空间自适应方向全变分地震数据去噪模型,并采用优化最小化算法求解模型;最后,讨论了该模型的参数选取方法,将合成地震数据和实际地震数据的去噪结果与同类方法进行比较。实验结果表明,所提出的模型不但能较好地提高地震剖面的垂直分辨率和同相轴的横向连续性,而且在提高信噪比的同时能够保留更多的地质特征信息。     

荧光余辉测温法中的数据处理

在荧光余辉测温法中，数据处理的关键是尽可能准确地求取荧光寿命τ，而通过光电转换接收到的荧光信号中常伴有随机噪声、直流偏移成分等背景干扰，严重影响测温效果.基于该原因，提出了用软件来消除背景干扰的方法，并介绍如何通过最小二乘法来拟合测量数据，从而较准确地求取荧光寿命τ.理论分析和实验结果都表明，这套软件处理方法可以提高系统的信噪比，改善测温系统的测量效果.     

基于随机矩阵理论的电网事件监测研究

电力系统在线事件监测对电网态势感知具有重要意义.针对现代大规模电网的事件监测问题,文中提出一种基于随机矩阵谱分布特性的电网事件监测方法.首先利用大数据处理方法构建电网电气信息的随机矩阵模型.然后将电网事件监测问题转化为分析随机矩阵谱分布问题,并建立基于协方差矩阵最大最小特征值之差的评价指标,最后根据评价指标确定事件发生.为了验证文中所提方法的有效性,通过IEEE 39节点标准系统进行了仿真分析,同时通过与传统的MSR方法进行对比,证明在强噪声环境下具有更强的适应性.     

Visual object tracking with the adaptive scale based on AGMM point sets matching

A visual object tracking method with the adaptive scale based on AGMM(Asymmetrical Gauss Mixture Models) point sets matching is proposed aimed at adaptively following the object's scale changes, which often cause tracking failure. As the feature point set in the last frame is considered as the GMM centroids and the feature point set in the current frame represents the data respectively, AGMM fuses the feature information and spatial information; by comparing the similarity between data and GMM centroids, we match the point sets between two adjacent frames and obtain the reliable feature points in the current frame; the degree of dispersion between points in the point set accurately reflects the size of the object scale and by using affine transformation, the proportion of the two point sets is computed to estimate the position and scale of the bounding box in the current frame accurately and effectively. Experimental results demonstrate that the method is adaptive to scale change and has advantage in illumination variation and color similar target tracking.     

一类随机偏差定理

利用对数似然比的概念研究非负整值相依随机变量序列的极限性质，得到一类随机偏差定理，即用不等式表示的一类强极限定理，其偏差界语依赖于样本点证明中提出了将母函数的工具应用于强极限定理研究的一种途径。     

经验模态分解与水上地震反射数据处理方法

受水流及船舶发动机干扰,水域地震反射法勘探资料判别异常体存在很大的困难,本文采用经验模态分解方法获得地震记录的多阶本征模态函数,每一阶本征模态函数代表了信号在某一特征尺度上的信息,为地震数据的处理和解释提供了更多的参考信息。实例证明,基于经验模态分解的地震反射数据处理方法,有助于压制随机噪声,提高地震反射数据的解释精度和准确性。     

基于不确定性推理的上下文感知数据处理模型

以不确定性推理理论为基础,建立一种上下文感知数据处理模型.该模型以权值映射上下文实体的特征,以权值变化来映射上下文实体的变化,进而体现出被观察对象的状态变化.实例分析表明,基于不确定性推理的上下文感知数据处理模型能够满足特定的数据处理要求,提高数据处理的适应性.     

基于Rough集的规则抽取技术

数据分类是数据挖掘的一个重要功能,神经网络以其良好的抗噪性和鲁棒性而成为一种广泛使用的数据挖掘工具,尤其是运用在数据分类中.但是,神经网络对用户来说是一个黑箱,所获得的知识隐含在神经网络的连接权中而难以理解.针对这种情况,建立了一个基于神经网络的数据分类系统模型,通过数据处理、网络训练、规则抽取等几个阶段,达到将获得的知识清晰化的目的.在系统中,首先对连续性数据作规一化和对语义性数据进行编码;然后经过网络训练而获取知识;规则抽取采用功能性方法:即把神经网络视为黑盒,随机产生输入得到相应的输出组成实例,然后采用Rough集的方法进行约简得出规则.     

广义预测前馈控制的一种算法

提出一种广义预测前馈控制算法。许多工业装置会遇到干扰，包括随机时刻的随机跃跃干扰及确定性干扰。对具有可测确定性及随机干扰的系统进行试验表明，这种算法能给出更好的控制效果。