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。     

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。     

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．     

鞅差误差下简单线性EV回归模型最小二乘估计的相合性

研究了误差为鞅差序列条件下的线性EV(errors-in-variables)回归模型.利用最小二乘估计方法对模型中β和θ进行估计,证明了估计量的强相合性和均方相合性,从而推广了线性EV回归模型已有的相关结论.     

通货膨胀的非参数回归模型

通货膨胀对一个国家经济增长和人民生活的影响是不言而喻的,居民消费价格指数是衡量通货膨胀的重要指标.讨论了非参数回归模型的多项式样条估计方法后,运用我国居民消费价格指数和商品出口额的数据,建立了我国通货膨胀的非参数回归模型,并和线性回归模型的最小二乘估计及非参数局部线性回归估计的结果进行比较,结果表明,在估计和预测上,多项式样条方法都优于线性最小二乘估计和局部线性回归估计,能够更好的反映两者之间的关系.     

聚集数据线性模型参数的有偏估计的相对效率

有偏估计方法是近代回归分析的常用方法.本文研究聚集数据的线性模型参数的有偏估计问题,在欧氏模之比意义下给出了参数的有偏估计的一个相对效率,并在加权欧氏模之比意义下给出了参数的有偏估计的一个相对效率,并得到了这两种相对效率的上界.     

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．     

机器学习在河流流量参数估计中的应用

针对经典水位流量关系模型在刻画河流动态变化特性时存在的局限性,提出采用局部加权回归算法估计河流流量;为了提高参数估计精度,提出一种聚类局部加权回归方法。首先对训练样本进行聚类,然后使用k-最近邻方法将新的水位样本划分进最恰当的聚类中,最后估计河流日流量。该方法在估计过程中,避免了不相关信息的干扰,从而提高了日流量数据估计的效率和精度。利用某水文站的实测数据对方法进行测试,仿真结果表明该方法估计精度较高,为水位流量关系模型参数估计提供了新的有效方法。     

独立样本回归函数估计的强相合性

在独立样本下研究非参数回归函数加权核估计的强相合性,得到了一些较弱的充分条件。     

合成孔径声纳运动估计的鲁棒Kalman滤波方法

针对存在观测野值影响的合成孔径声纳运动测量难题,提出利用M-估计原理进行参数最优估计,使得估计误差在一类Huber函数下最小,而不像Kalman滤波那样,寻求估计误差在二范数下的最小,并构造了鲁棒Kalman滤波算法,用来处理合成孔径声纳姿态、运动估计问题．由于Huber函数对大的估计误差不敏感,可以有效地克服观测野值的影响,同时计算机仿真结果表明,该方法在系统存在野值的情况下,仍能对合成孔径声纳运动参数进行估计．     

Least squares weighted twin support vector machines with local information

A least squares version of the recently proposed weighted twin support vector machine with local information(WLTSVM) for binary classification is formulated. This formulation leads to an extremely simple and fast algorithm, called least squares weighted twin support vector machine with local information(LSWLTSVM), for generating binary classifiers based on two non-parallel hyperplanes. Two modified primal problems of WLTSVM are attempted to solve, instead of two dual problems usually solved. The solution of the two modified problems reduces to solving just two systems of linear equations as opposed to solving two quadratic programming problems along with two systems of linear equations in WLTSVM. Moreover, two extra modifications were proposed in LSWLTSVM to improve the generalization capability. One is that a hot kernel function, not the simple-minded definition in WLTSVM, is used to define the weight matrix of adjacency graph, which ensures that the underlying similarity information between any pair of data points in the same class can be fully reflected. The other is that the weight for each point in the contrary class is considered in constructing equality constraints, which makes LSWLTSVM less sensitive to noise points than WLTSVM. Experimental results indicate that LSWLTSVM has comparable classification accuracy to that of WLTSVM but with remarkably less computational time.     

模糊逻辑扩展DMC算法及仿真

提出一种模糊逻辑扩展动态矩阵算法,该算法的主要思想是在不同工作点作阶跃响应,建立局部线性模型,然后利用隶属函数对局部线性模型进行加权。并将约束输入思想引入到DMC算法中来,避免求逆矩阵。实现起来占用内存小,计算速度快。算法对于系统开环y-u曲线单调递增或递减的情况,只要做3个工作点的阶跃响应即可建立起系统模型;即使开环y-u曲线不单调,也可以对系统进行分段处理建立模型。算法的应用范围较广。对非线性连续发酵过程的仿真研究表明该算法控制效果较好,具有很好的理论和实践价值。     

基于加权最小二乘法的异质传感器数据融合

针对异质传感器受限于测量噪声且数据融合结果精度较低的问题,提出了一种基于加权最小二乘法的数据融合新算法。在分析多传感器测量模型的基础上,依据最小二乘原理,推导出多个异质传感器对多个测量参数进行融合估计的加权融合公式,并得出了各传感器加权融合的权系数以及误差矢量的估计方差阵。通过与单传感器及平均估计的测量误差进行比较,证明了应用加权最小二乘数据融合的异质传感器具有较高的测量精度。数值示例与理论推导一致,进一步验证了所提方法的有效性。     

线阵相干源方位估计的波束域WSF算法实验验证

波束域加权子空间拟合（ｗｅｉｇｈｔｅｄ ｓｕｂｓｐａｃｅ ｆｉｔｔｉｎｇ－－ＷＳＦ）算法保留了阵元域ＷＳＦ算法最佳的目标方位估计性能,而其运算量则有所降低。本针对声呐系统中常用的线阵,通过计算机模拟实验和消声水池物理仿真实验研究了波束域ＷＳＦ算法解相干信源的性能。计算机模拟结果表明波束域ＷＳＦ算法可在低至－８ｄＢ的信噪比上分辨半常规束宽的强相关等功率信源,而水池实验则进一步表明算法可分辨不等功率     

无先验信息的小批量生产质量控制图动态优化

针对日益发展的小批量生产模式的质量控制,在样本数据无先验信息条件下,提出了一种基于随机加权法的质量控制图参数优化方法.采用随机加权法对样本数据进行再抽样,估计样本数据的分布参数(样本均值和方差),经假设检验,动态优化质量控制图的控制参数弥补了小样本条件下传统控制图的不足,实现了无先验信息下小批量生产过程的质量控制.实验表明,优化后的控制图的控制参数更加逼近于理论值,优于传统控制图的控制参数,适合用于小批量生产环境下的质量控制.     

一种新的时分导频信道估计算法

提出了一种适用于时分导频信道的信道估计算法,该算法利用多个相邻时隙中导频符号上的瞬时信道估计进行加权LSM拟合,得到数据符号上的信道估计.仿真结果表明,该算法能较好地跟踪多径衰落信道的变化,采用该算法的相干Rake接收机的性能在较大范围多普勒频移下均比较稳定.     

基于相空间优化近邻点的跳频预测方法研究

提出了一种基于混沌相空间重构理论的优化近邻点局部线性化跳频预测方法。根据相点的总体分布情况以及预测点与周围相点的加权距离确定近邻点，同时剔除“伪近邻点”，进而确定跳频预测方程。实验结果表明：该方法精度高且稳健，性能显著优于一般的预测方法。     

多传感器信息融合平滑器算法研究

为了提高融合估计的精度,采用矩阵加权线性最小方差意义下的最优信息融合准则,对多传感器系统,考虑局部估计误差之间的相关性,给出了最优信息融合固定区间平滑器算法。理论和仿真实验表明,融合平滑器精度在总体上高于各局部子系统的估计精度。与融合预报器相比,融合平滑估计比预测平滑估计精度提高了近5倍,显著地改善了传感器的融合估计精度,并且该平滑器具有容错性。因此,本文提出的融合平滑器算法,对于非实时的信息融合问题具有一定的应用价值。