纵向数据下部分线性EV模型的变量选择

本文考虑了纵向数据下部分线性EV模型的变量选择问题,采用SCAD惩罚方法提出了一个变量选择过程.通过选择适当的惩罚参数,证明了该变量选择过程可以相合地识别出真实模型,并且所得的正则估计具有Orcale性质.最后模拟研究了所提出方法的有限样本性质.     

极值分布下联合位置与散度模型的变量选择?

极值分布在地震、洪灾和其它自然灾害的预测中是非常有用的.在许多应用方面,很有必要对散度建模.本文推广经典极值回归模型,研究了联合位置与散度模型,并提出了一种同时对位置模型和散度模型的变量选择方法.同时证明了惩罚极大似然估计具有相合性和 oracle 性质,通过随机模拟研究了所提出方法的有限样本性质.     

不完全观测数据下混合效应模型的正交投影估计

基于矩阵的QR分解技术,对一类含有不完全观测数据的线性混合效应模型提出了一种基于正交投影的估计方法。在一些正则条件下,证明了固定效应参数的估计渐近服从标准正态分布,得到了固定效应参数的置信区间。另外,所提出的固定效应参数的估计过程不受随机效应的任何影响,具有较好的有效性和稳健性。最后,通过一些数值模拟和一个实例分析研究了所提出估计方法的有限样本性质。     

基于混合偏正态数据下众数回归模型的变量选择

有限混合回归(Finite Mixture of Regression, FMR)模型的变量选择常常在统计建模中使用。目前关于FMR模型的研究主要集中在回归误差服从正态分布的情形，而这种假设不适用于研究非对称的数据。对于偏斜数据，众数的代表性优于均值。本文基于混合偏正态数据介绍了众数回归模型的变量选择方法，并证明了变量选择方法的相合性和参数估计的Oracle性质。为了估计模型的参数，提出了一种改进的EM (Expectation-Maximum)算法，通过模拟研究和实例分析进一步说明了所提出模型和变量选择方法的有效性。     

遗漏变量下多元非参数核估计渐近偏误的一致估计框架

在经济学、社会学、医学、生物学、农业等诸领域的研究中，由于数据获取的困难、实验条件的限制、研究经验的不足以及失误等因素，研究者往往会在回归模型的设定中遗漏掉关键的解释变量，使得遗漏变量模型的识别与处理成为一个广泛存在的问题。由此，提出了一种统一的识别、估计与比较框架，使得针对遗漏变量回归模型的任意非参数核估计量的渐近偏误都可以得到识别与估计。应用此框架，考察了遗漏变量下Nadaraya-Watson估计量、Gasser-M¨uller估计量以及局部线性估计量的精确渐近性质，发现遗漏变量下Gasser-M¨uller估计量与局部线性估计量的渐近偏误一样大，且都比Nadaraya-Watson估计量的渐近偏误小。此外遗漏变量下线性参数模型估计量的渐近性质也可以通过本文提出的框架与方法推导出来。在此基础上，进一步探讨了局部线性核估计量的一个没被注意到的优良性质。     

误差方差不等的变量含误差直线回归模型──参数的驻点似然估计及强相合性

本文讨论了含有一个自变量且自变量误差方差与因变量误差方差不等的变量合误差线性回归模型。由于对这种模型最大似然估计失去作用，文中提出了一种新的估计方法──驻点似然估计。这种方法就是，用使似然函数达到驻点的参数值作为参数真值的估计。作为此估计法的实际应用，本文导出了所讨论模型的参数的驻点似然估计。然后证明了所得到的估计在一定条件下是模型参数的强相合估计。     

误差方差不等的变量含误差直线回归模型：参数的驻点似然估计及强…

本文讨论了含有一个自变量且自变量误差方差与因变量误差方差不等的变量含误差线性回归模型。由于对这种模型最大似燃估计失去作用，文中提出了一种新的估计方法－驻点在估计。     

线性回归模型的Boosting变量选择方法

针对线性回归模型的变量选择问题,本文基于遗传算法提出了一种新的Boosting学习方法.该方法对每一训练个体赋予权重,以遗传算法作为Boosting的基学习算法,将带有权重分布的训练集作为遗传算法的输入进行变量选择.同时,根据前一次变量选择效果的好坏更新训练集上的权重分布.重复上述步骤多次,最后以加权融合方式合并多次变量选择的结果.基于模拟和实际数据的试验结果表明,本文新提出的Boosting方法能显著提高传统遗传算法用于变量选择的质量,准确识别出与响应变量相关的协变量,这为线性回归模型的变量选择提供了一种有效的新方法.     

部分变量带误差的线性函数关系模型的参数估计及相合性

本文讨论了部分变量带误差的线性函数关系模型的参数估计问题，在较弱条件下证明了所获得的估计的强相合性，并给出了收敛速度。     

部分变量含误差的多重线性统计关系模型

本文讨论了一部分变量含误差的多重线性统计关系模型的参数估计问题。在观测误差是正态白噪声的条件下,我们导出了模型参数的最大似然估计。为了解决相合性研究中参数的不确定性问题,在文中引进了准强相合性的概念,并证明了所给出的参数估计量具有准强相合性。     

光纤陀螺温度漂移的多变量模型

针对光纤陀螺温度漂移的补偿问题,本文提出一种线性多变量光纤陀螺温度漂移建模方法.建立的模型由两部分组成:陀螺输出的自回归项和温度梯度的多项式分布滞后项(PDL).自回归项描述光纤陀螺历史输出对当前输出的影响,PDL项描述由温度变化引起的陀螺漂移.根据模型的线性特性,采用最小二乘法确定模型参数.用实测的光纤陀螺温度漂移数据进行了模型的有效性验证.实验结果表明,提出的线性多变量模型能有效补偿光纤陀螺的温度漂移,补偿后光纤陀螺的精度提高50%以上.     

有色动态噪声下多变量自相关过程调整策略研究

针对生产阶段有限的多变量自相关生产制造过程,研究了过程动态噪声为有色噪声、调整花费成本为二次型函数情形下的过程调整策略问题.在建立过程状态空间方程的基础上,利用卡尔曼滤波方法在线估计过程的状态变量,根据随机二次型最优控制理论,得到了使过程质量损失最小的最优调整策略.通过算例解释了最优调整策略的实现方法,并进行了仿真验证.结果表明,提出的调整策略与过程噪声为白噪声时的调整策略相比,能更有效地减少过程的总体质量损失.     

一种基于阵列不变量的浅海声源深度分类方法

浅海负跃层环境下波导不变量可以用于声源深度分类,但是当声源相对于接收阵无径向距离变化时,波导不变量值难以估计。针对距离已知且相对于接收阵无径向距离变化的声源,提出一种基于阵列不变量的声源深度分类方法,可适用于浅海负跃层环境。所提方法利用阵列不变量估计波导不变量,进而实现声源深度分类。计算机仿真结果表明,当垂直阵位于负跃层以下且声源距离已知时,利用阵列不变量估计出的波导不变量随声源深度的变化明显,可用于目标深度分类。     

线性阻尼杆振动问题基于变量变换的多辛算法

提出线性阻尼杆振动问题基于变量变换的多辛离散算法。首先通过变量变换把耗散系统化为保守系统。其次以变换变量组成状态向量并采用中点离散方法构造中点Box多辛离散格式,然后,基于空间层的状态变量建立矩阵形式的递推关系,最后结合空间边界条件和初始条件建立线性方程组求解。研究结果表明,构造的多辛算法不仅能够保持系统守恒型几何性质,通过状态变量合理表示了边界条件,而且能够较准确地体现系统的耗散效应。     

主动悬架的一种基于状态反馈的单神经元多变量控制策略

为了以一种简捷的方式来有效控制主动悬架这类典型多变量系统的多输出量,提出了一种基于状态反馈的新型神经元控制策略:采用了单神经元模型,并引入线性二次型最优控制(LQR)中的状态反馈思想和控制律形式.将其应用到1/4主动悬架的控制设计中,研究了悬架参数变化时的鲁棒性能,并和被动悬架及LQR控制进行了性能对比.仿真结果表明,所建议的方法可有效地改进车辆性能,优于LQR控制.而且,对其它类似的LQR多变量控制问题和被控对象,提供了一种可能更有效的新的简便途径.     

波导不变量和航向角联合估计方法研究

波导不变量是一个与环境特性和传播特性有关的物理量,对其准确估计有重要意义.结合LOFAR图和方位-时间历程图,提出了利用Hough变换进行波导不变量和目标航向角联合估计算法,该算法无需知道运动目标的距离信息,不要求目标有最近通过距离.提出了综合Hough变换参数估计算法,较提取单条纹参数估计算法有更好的稳健性,但增加了计算开销.仿真研究和海试数据分析均验证了算法的可行性,并表明该参数估计算法有较高的估计精度.     

挠性结构系统的变量与模态耦合测度

本文研究了具有非对称性质的线性二阶矩阵系统Mq+Cq+Kq=f的耦合测度问题.利用复模态分析理论,导出系统状态变量、控制变量和观测变量与模态的耦合测度矩阵,以定量地描述系统的耦合特性,同时讨论了它们在挠性结构系统模态控制中的应用.最后给出一个实际算例.     

实验室比对数据处理中卡方统计量研究

卡方统计量是实验室比对数据处理的关键统计分析工具,可用于比对数据的一致性核验和参考值不确定度的估计.本研究在比对量具有相同期望及比对数据服从正态分布的条件下,提出了一种包含一般线性估计的卡方统计量,研究了该统计量的性质及分布.该统计量可以实现一般线性参考值估计的一致性检验和不确定度估计,为更广泛的线性参考值估计提供统计工具,可用于比对数据分析或多实验室定值测量.作为示例,针对算术平均值使用传统卡方检验需基于各实验室宣称相同不确定度的局限,对任意不确定度组合下的算术平均值给出卡方统计量,为这种常用线性参考值估计的扩展应用提供了新统计分析方法.     

桁架动力学形状优化的统一设计变量方法

研究了具有多种约束 ,特别是动力学约束 (频率约束 )作用下的平面桁架形状优化问题。提出一种将两类不同性质的设计变量 (尺寸变量、节点几何坐标变量 )变换为统一形式的无量纲设计变量的方法 ,解决了不同性质变量耦合引起的收敛困难问题 ,并拓展了设计空间。联合运用内点罚函数法、DFP法 (即变尺度法 )和一维搜索技术 (二次插值法 ) ,将约束优化问题转化为无约束序列优化问题 ,得到了满意的优化结果。算例表明本文方法对桁架形状优化的有效性 ,并显示了算法的简洁性和工程设计实用性     

多元分析中的变量选择问题研究

文章对多元统计分析中自变量选择的四种方法进行了研究 ,在一般情况下 ,向前法和向后法未必会得到最佳变量子集 ,这可能与变量引入次序有关 ,也可能与变量之间的联系有关 .在模型存在多重共线性关系的病态情况下 ,即使是目前应用广泛的逐步回归和全部子集选优的方法 ,也往往不能奏效 .针对以上情况 ,提出了一种删除变量和主成分分析相结合的新方法