消费函数的非参数回归与实证分析

讨论了传统线性消费函数模型估计的不足,采用随机变量密度函数的非参数核估计和核回归,对我国2004年城镇居民的实际消费数据进行实证分析,结果表明非参数回归结果要优于线性回归.     

基于小波的部分线性自回归预测模型及其在沪深股市中的应用

首先采用部分线性自回归模型对上海和深圳股票走势进行模拟预测,然后利用小波函数结合部分线性自回归模型建立小波预测模型,又分别对上海和深圳股票走势进行了模拟预测,最后对两种预测方法的预测结果进行了比较和分析．结果表明：小波预测模型比单纯的部分线性自回归模型预测精度高,在股票市场的预测中具有很好的应用前景．     

基于线性回归模型的贝叶斯方法的研究

线性回归模型是回归分析中比较简单且应用非常广泛的一种统计模型,它可以很好的确定变量之间的一种定量关系。但是在一些实际问题中,很多问题并不是严格的线性关系,这就需要结合历史经验来对模型做出相应的改进。针对这一问题,结合了贝叶斯理论,以多元线性回归模型和Logistic回归模型为例进行研究,使得这些没有严格线性关系的问题依然可以按照线性回归模型的思想来求解。在贝叶斯方法中,平方损失函数下,分别以无信息先验分布和联合正态分布作为参数的先验分布,得到多元线性回归模型和Logistic回归模型中参数的贝叶斯估计,以及求取了等式约束下的Logistic回归的贝叶斯参数估计,估计结果良好有效。     

灰色理论和线性回归组合方法在装备使用保障费用估算中的应用

介绍了灰色理论和线性回归组合预测原理,即用GM(1,1)模型预测将来可能的数据跳变时间点,对其他非跳变点使用分段线性回归函数进行预测。运用此组合方法对装备使用保障费用进行了预测估算。计算实例表明,该组合方法预测精度高于单独使用灰色理论或线性回归所测结果,是可行有效的。     

逻辑斯蒂回归模型在电信领域中的应用

为解决电信领域中新服务的接受率问题,引入逻辑斯蒂回归模型。通过分析电信领域注册用户的类别特点,选取影响接受率的关键因素作为因变量,导出罗杰斯谛回归模型。在线性回归模型的基础上,使用sigmoid函数,将线性模型w Tx的结果压缩到[0,1]之间,使其拥有概率意义,最后利用牛顿法迭代出最大似然估计,求解出最优解。实验证明,逻辑斯蒂模型在实际应用过程中具有较高的识别率,有令人满意的识别速度及鲁棒性。     

相依样本下变系数模型中函数系数导数的统计推断

考虑相依样本下变系数模型系数函数导数的估计问题。对变系数模型系数函数应用局部线性回归,利用加权最小二乘方法,给出系数函数导数加权最小二乘估计,并证明了所提出的估计量的渐近正态性。     

新型线性回归模型及其在山东电量预测中的应用

提出一种新型线性回归预测模型，采用基于相对误差意义下的最小二乘法对回归系数进行计算，并以山东省居民用电量预测为实例，分别用传统的线性回归模型和新型线性回归模型进行预测。预测结果分析表明，新型线性回归模型在预测精度方面有了进一步提高。     

基于Morlet-SVR和ARIMA组合模型的网络流量预测

针对网络流量的非线性和多维度动力学特性,结合小波多尺度分析的能力,提出了基于Morlet小波核函数的支持向量机回归算法（Morlet-SVR）和自回归积分滑动平均模型（ARIMA）的组合模型预测网络流量.采用Morlet-SVR和ARIMA分别预测通过Mallat小波分解和单支重构得到的近似信号和多尺度细节信号,最后通过线性叠加得到最终预测结果.通过仿真实验分别对比分析了基于径向基核函数的支持向量机回归算法和ARIMA预测模型,通过3种误差评估得知该组合模型具有更高的预测精度.     

半参数变系数部分线性回归模型的渐近性质

为了研究半参数变系数部分线性回归模型中非参数分量的统计推断问题,利用局部线性回归方法,给出了变系数函数的porfile最小二乘估计,证明了该估计的渐近偏差、渐近方差,同时获得了该估计的渐近正态性．     

线性规划在多元线性回归中的解法及应用

在多元线性回归模型估计回归方程式的参数时,最小二乘法是一种常用的方法.绝对离差和最小准则、最大绝对离差最小准则是针对最小二乘法的两个替代准则,本文利用线性规划构造一个目标函数,将线性回归模型转换为线性规划模型,利用线性规划模型得出的参数进行预测.案例分析结果表明,线性规划模型比较有效地消除了数据中异常值对回归方程的影响,具有较好的预测效果.     

A unified result for variable-rate linear network coding

Fong et al.analyzed variable-rate linear network coding for linear broadcast.However,the authors didn’t investigate it for the other three types of linear network codes.In this paper,by simple and clear proofs,it is found that there are similar results for variable-rate linear generic and linear dispersion if the field size is large enough.It means that linear generics and linear dispersions of different dimensions can be implemented on the same network,while each non-source node is required to store only one copy of the local encoding kernel within a session.Moreover,an example is given to show that there isn’t a similar result for linear multicast.     

GF（3）上周期为3^nP^m序列的k错线性复杂度

周期序列的k错线性复杂度（k-Lc）被定义为改变周期序列中至多k（0≤k≤N）位后,得到所有序列线性复杂度中最小线性复杂度。m（s）表示一个序列的k-LC严格小于线性复杂度的最小k值。讨论了上周期为3^nP^m序列的k错线性复杂度,这里p是奇素数,并且3是一个模P^2的本原根,进一步讨论了序列线性复杂度和m（s）之间的关系。     

有约束条件的一类线性模型参数的估计

目的　研究有约束混合系数线性模型参数的估计 .方法　将混合系数线性模型转化为广义线性模型 ,然后利用线性模型相应的方法 .结果　给出了在一定的约束条件下 ,混合系数线性模型的固定系数 ,随机系数的数学期望和方差的一种估计 ,并讨论了该估计的性质 .结论　这种理论和方法对可化为线性模型的参数估计具有普遍意义     

一般线性规划的Goldman-Tucker定理

利用标准化线性规划的方法,给出了各种形式线性规划的严格互补性.结合Kuhn-Tucker条件,线性规划严格互补性可表述为:线性规划与其对偶规划的一解满足非负约束与其Kuhn-Tucker乘子的和大于0,对应分量对中有且仅有一个为0,而另一个大于0.     

2n-周期二元序列的k错线性复杂度期望

线性复杂度和k错线性复杂度分别是度量密钥流序列的密码强度和稳定性的重要指标.该文通过研究2n-周期二元序列的线性复杂度,提出将k错线性复杂度的计算转化为求Hamming重量最小的错误序列;对线性复杂度为2n的2n-周期二元序列的k错线性复杂度的分布进行分析,给出这类周期序列的k错线性复杂度期望的上、下界.该结论推广了一...     

线性系统中复杂性的分析

通过线性系统及几个具体的线性模型的分析,揭示复杂性作为一个普遍的存在,不但在非线性系统中存在,而且在线性系统中也存在的事实．通过对线性系统和非线性系统作空间意义下的比较,进一步揭示了线性思想方法认识复杂性现象的局限性．     

关于一个线性算子群的问题

在一个线性算子群应用于二阶线性发展方程求解的思路基础上[1],归纳其中的生成算子为n阶矩阵形式,进一步提出了该生成算子的线性算子群,在巴拿赫空间中证明了这个线性算子群的基本特征,且是高阶线性发展方程求解理论的基础部分。当然,低阶线性发展方程的解为其特殊情况。     

一种线性三层规划的改进的Frank-Wolf解法

利用KT条件、罚函数法,将三层线性规划降为约束条件为线性的二层规划,再利用Frank-Wolf线性逼近的理论,从而仅需求解一层线性规划就得到了三层线性规划的最优解.其中线性规划的求解应用了主元标单纯形法,其优点是可以得到更靠近最优点的可行解,从而减少计算量.     

2n周期平衡二元序列的6-错线性复杂度

该文针对线性复杂度和k-错线性复杂度是度量密钥流序列的密码强度的重要指标.周期序列的k-错线性复杂度就是在其一个周期改变至多k比特后所得到的线性复杂度最小值.基于Games-Chan算法,讨论了线性复杂度小于2n的2n-周期二元序列的6-错线性复杂度分布情况,给出了对应6-错线性复杂度为2n-2,2n-3和2n-3+1...     

陆上地震低频线性干扰形成机制及采集压制方法

低频线性干扰是在地震采集中普遍存在的一类干扰波,对单炮质量有很大影响。因此压制线性干扰,提高资料质量是十分必要的。本文以春光油田以及泌阳古河道区为实验区,讨论了低频线性干扰的形成机制,研究发现线性干扰的强弱与低降速层厚度存在关系。激发点所在低降速层厚度越大,低频线性干扰越强,也即在野外采集时炮点深度越大,线性干扰越弱。试验结果表明,在野外采集过程中加大炮点深度,使得炮点位于高速层界面以下时,线性干扰的压制效果比较好。