q-对称熵损失函数下Gamma分布的尺度参数的估计

本文在对称熵损失函数的基础上定义了q-对称熵损失函数,并用参数估计的方法研究了在q-对称熵损失函数下Gamma分布的尺度参数的最小风险同变估计(MRE)、贝叶斯(Bayes)估计、最小最大(Mininax)估计等。我们还对这些估计量的可容许性和不可容许性进行了讨论,最后分别对指数分布和Gamma分布在两种损失函数下的估计结果进行了数值比较。     

矩阵损失下线性混合模型中的局部线性Minimax估计

本文研究了一般线性混合模型中固定效应和随机效应的线性组合的Minimax估计问题.在矩阵损失函数下,考虑了这个组合的线性估计在线性估计类中的局部极小极大性.关于适当的假设,得到了线性可估函数的唯一局部线性Minimax估计.     

带约束的增长曲线模型中回归系数线性估计的可容许性

在两种矩阵损失函数下讨论了带约束的增长曲线模型中回归系数线性估计的可容许性,并在齐次线性估计类和非齐次线性估计类中得到了容许性的充要条件.     

一般增长曲线模型中随机回归系数线性估计的可容许性

本文在矩阵损失下研究了一般增长曲线模型中随机回归系数线性估计的可容许性。分别在齐次线性估计类和非齐次线性估计类中得到了随机回归系数的一个线性估计是可容许的充要条件。     

冻融循环作用下混凝土力学性能的损失

本文在已有资料的基础上，研究经冻融循环作用后混凝土抗拉，抗压强度下降规律，认为抗拉，抗压强度的损失率与动弹性模量的损失率相关，可通过测量动弹性模量来估计混凝土的剩余强度，并且抗拉强度的损失大于抗压强度的损失，文章还对这种估计进行了讨论。     

关于半相依回归方程组的一类两步Minimax估计的优良性

本文考虑半相依回归方程系统Y_i=X_iβ_i+ε_i,i=1,2,其中Eε_i=0,Gov(ε_i,ε_j)=σ_(ij)I_n,β_i∈R~(pi),∑=(σ_(ij))_(2×2)>0未知。在矩阵损失函数L(β,δ)=(δ-β)(δ-β)'下,我们证明了Zellner的两步估计是不可容许的,本文提出了参数β_i的一类两步Minimax估计,证明了这一类两步Minimax估计较Zellner的两步估计具有更优良的性质。     

企业资产损失的会计处理探讨

企业资产的损失既包括直接损失,又包括间接损失,间接损失通常有两种情况:一是损失前资产可变现价值与账面净值差额;二是预期的盈利。如果某项损失相当确定且金额也能够精确地予以估计,则该项损失一旦能辨认就应立即确认。间接损失的计量难度表现为存在资产可变现价值与账面净值的差异,存在未来的预期盈利。     

Birmbaum信息矩阵及其上界

本文将单参数Ｂｉｒｍｂａｕｍ信息函数推广到多参数及协方差矩阵可以退化的情形，定义了Ｂｉｒｍｂａｕｍ信息矩阵，确定了Ｂｉｒｍｂａｕｍ信息矩阵上界，然后，本文研究了回归系统ＬＳ估计、广义岭估计、Ｓｔｅｉｎ估计和主成分估计的Ｂｉｒｍｂａｕｍ信息矩阵。     

删失下的指数分布的贝叶斯估计

本文分别在Ⅱ型删失和随机删失下,表明了共轭先验下的指数分布的刻度参数的贝叶斯估计为具有如下形式的收缩估计(?)_(BE)=a■ bEθ,此处■为依赖样本θ的一个无偏估计且Eθ表示先验分布的期望。当采用平方损失函数时,a b=1;如果用加权平方损失函数,则a b＜1。     

基于卷积神经网络的水下多目标方位估计方法

针对水下多目标方位估计问题,提出了一种利用卷积神经网络模型对目标声源进行方位估计的方法。该方法使用不等强度的声源数据进行训练并使用焦点损失函数作为训练损失函数。通过对阵列接收到的信号进行特征提取,使用焦点损失函数指导卷积神经网络训练,最终利用训练好的卷积神经网络模型进行目标方位估计。对不同模型参数的训练进行对比,结果表明所训练的卷积神经网络模型在较低信噪比条件下也能正确估计弱目标的方位。试验结果表明,与采用二元交叉熵损失函数的卷积神经网络模型相比,该方法对弱目标的方位估计能力更强,提高了方位估计的准确率。     

约束线性模型中回归系数的所有可容性许估计

对于带有不完全椭球约束的线性模型Y～N(Xβ,V),β′X′NXβ≤1(N≥0,V＞0已知)本文给出了β(可估或不可估)的线性估计LY+d在二次损失下在一切估计类中可容许的充要条件.     

含有屏蔽数据的截尾样本下部件的可靠性分析

基于屏蔽的系统寿命数据,讨论串联系统中Burr XII部件的可靠性估计问题.利用定数截尾样本,通过Bayes分析方法分别在平方损失、q-对称熵损失、Linex损失以及MLinex损失下给出了部件未知参数、可靠度函数和失效率函数的Bayes估计.最后通过Monte-Carlo方法进行随机模拟,研究截尾数和屏蔽水平对估计效果的影响并对各种估计进行了比较.     

带线性不等式约束的线性模型中线性预测的可容许性

本文刻画了线性模型在线性不等式约束条件下的线性预测的可容许性。我们给出了条件线性可预测变量和线性不等式约束条件下可容许预测的定义,在二次损失函数下,讨论了齐次和非齐次线性预测可容许性的关系,得到了条件线性可预测变量的线性预测是可容许线性预测的充要条件。     

关于贝叶斯估计的进一步讨论

文章则从绝对差损失函数与相对差损失函数出发 ,先导出两种新的贝叶斯解——中值估计和积分比估计 ;然后再对实际问题进行具体应用 ;在选定同类先验分布条件下将以上结果与传统的条件期望估计、最大后验估计相比较 ,探讨了各类贝叶斯解的优良性 .     

不忽略一次项损失时望小特性质量损失函数设计

讨论了在一次项损失不能忽略时,一次项和二次项损失系数的确定方法,并且对一次项损失和二次项损失的大小进行了比较分析。研究表明,二次项望小特性质量损失函数只是望小特性质量损失函数的一种特殊形式。最后通过实际问题对研究结果进行了验证。     

平衡损失函数下Cox模型的可靠性分析:记录值样本情形

本文在记录值样本下,分别讨论了一类指数分布可靠性指标的经验贝叶斯估计以及未来失效样本的预测问题.通过ML-Ⅱ方法估计超参数,进而在平衡均方损失和平衡Linex损失下,获得了相关指标的经验贝叶斯估计,并给出未来记录值样本的经验贝叶斯预测区间.利用Monte-Carlo模拟方法给出了一个数值算例,研究了结果的精确性.     

基于极大似然估计的多参考点模态参数识别方法

在考虑随机噪声的情况下,实现了一种基于极大似然估计的多参考点频域模态参数识别方法。该方法采用频响函数的右矩阵分式模型,通过噪声的协方差矩阵对误差向量加权,使用离散时间域中基函数改善数值求解性态。模态参数的估计过程分为两步:首先由基于最小二乘估计的polyLSCF算法获取迭代初值,然后通过Gauss-Newton方法对极大似然函数进行迭代优化,得到精度更高的模态参数识别结果。采用GARTEUR仿真算例对所给出的方法进行了验证,结果表明:在高噪声情况下,利用噪声信息的极大似然估计方法能够显著提高模态参数的识别精度,特别是阻尼的识别精度。     

基于等待时间和服务质量损失的机票超售策略

基于顾客等待时间分布,建立了航空公司的补偿成本函数,进一步估计了航空公司拒绝顾客登机必须承担的补偿成本;并引入Taguchi(田口)质量控制方法建立了航空公司的质量损失函数.以期望收益损失最小化和期望质量损失最小化为目标,建立了航空订票中的超售收益模型.该模型同时考虑了顾客等待时间和服务质量损失对超售策略的影响,对航空公司实施超售具有一定的指导意义.     

浅谈损失的会计处理

企业资产的损失既包括直接损失,又包括间接损失,间接损失通常有两种情况:一是损失前资产可变现价值与账面净值差额;二是预期的盈利.因间接损失确实影响到了企业的净资产,故而有必要对间接损失的确认、计量问题进行会计反映.     

基于协方差矩阵Toeplitz重构的MUSIC算法的波达方位估计方法

针对传统波达方向（Direction of Arrival, DOA）估计方法通过空间平滑对相干信号进行处理损失阵列孔径的问题，文章提出了一种基于协方差矩阵托普利兹（Toeplitz）矩阵重构的多重信号分类（Multiple Signal Classification, MUSIC）算法的波达方位估计方法。该方法首先根据阵列接收数据的协方差矩阵及其翻转矩阵来构造新协方差矩阵，并利用新协方差矩阵构造Toeplitz矩阵，然后对其进行特征值分解，得到Toeplitz矩阵的噪声子空间，利用噪声子空间求出信号空间谱，通过谱峰搜索估计入射信号的方位角。文中方法拓展了阵列孔径，增加了可估计相干信号的数量，提升了方位估计的性能，提高了阵列的空间分辨率。仿真和湖上实验数据处理结果表明，文中方法可估计出更多的相干信号，而且在低信噪比、少快拍以及信号入射角度间隔较小时仍然具有良好的方位估计性能。