均值向量的线性函数估计的线性可容许性

设Ｙ＝（Ｙ１,…,Ｙｎ）＇相互独立。考虑模型｛ＥＹ＝β△↓＝（α１ｆ（θ１）,…,αｎｆ（θｎ））＇ ｃｏｖ（Ｙ）＝ｄｉａｇ（α１ｇ（θ１）,…,αｎｇ（θｎ））其中ｆ（·）、ｇ（·）是定义在（０,＋∞）上的取正值的已知函数,α＝（α１,…,αｎ）＇∈Ｒ＋＾ｎ,θ＝（θ１,…,θｎ）＇∈Ｒ＋＾ｎ均为未知参数向量。本文讨论了ｐ＇β的线性估计的线性可容许性,获得了充要条件。     

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.     

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.     

二次损失下带线性等式约束的多元线性模型中线性预测的可容许性

本文在二次损失下研究了带线性等式约束条件的多元线性模型中条件线性可预测变量的可容许线性预测,并分别在齐次线性预测和非齐次线性预测类中得到了条件线性可预测变量的一个线性预测是可容线性预测的若干充要条件.     

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。     

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。     

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。     

线性回归模型系数岭估计的改进研究

对作者提出的c—k型估计，进行了进一步的研究．证明利用Stein式压缩技术可以改进岭估计(在均方误差意义下)；同时给出了参数的最优值满足的条件．证明了c—k型估计的可容许性．文中的方法为病态线性回归模型系数的有偏估计提供了改进的技术途径．     

线性回归模型系数Stein估计的改进研究

针对线性回归模型病态的根本原因，提出了一类新的估计——c-k型估计，将岭估计与Stein估计统一到一个估计类；研究了这一估计类，证明利用岭回归技术可以改进著名的Stein估计(在均方误差意义下)；同时研究了相应参数的最优值，分别给出了它的一个上界及下界，为病态线性回归模型系数的有偏估计提供了改进的技术途径．     

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.     

有指定行和向量与列和向量的(0,1,…,r)-矩阵

设Ｕｒ（Ｒ，Ｓ）是所有具有指定行和向量Ｒ与列和向量Ｓ的（０，１，…，ｒ）－矩阵组成的集合，给出了Ｕｒ（Ｒ，Ｓ）的结构矩阵的一些性质，以及Ｕｒ（Ｒ，Ｓ）非空时向量Ｒ与Ｓ之间的关系。     

抗性消声器插入损失的传递矩阵计算方法

本文阐述了传递矩阵法在抗性消声器设计中的应用，对典型元件的传递矩阵进行了推导，并导出插入消声器的计算公式，可以对设计的消声器进行计算与推测，实际工程中因此能减少反复与浪费。     

机动目标状态向量群的实时估计

本文提出了线性多项式可迭代差分滤波的思想及其数学模型，采用本文给出的线性多项式差分滤波的数学模型，可以十分方便而又快捷地实现内插，平滑以及预报等估值问题，并具有突出的实时性。当机动目标的状态变化是连续或分段连续时，可利用该方法对机动目标未来连续多个时刻的状态一即所谓“状态群”做出实时估计。     

用小波分析和支持向量机的方法预测精度损失

文章将小波和支持向量机结合用在复杂的精度损失时间序列预测中.首先利用小波分析将精度损失时间序列分解到不同层次,对各层采用相空间重构和支持向量机预测,最后合成得到原始的精度损失时间序列预测值.结果表明,该方法明显高于单尺度支持向量机预测方法.     

传递矩阵法分析复合材料层合板的传声损失

为了得到不同频率下正交各向异性复合材料层合板的传声损失,基于传递矩阵的方法,推导出层合板的传声损失计算公式。通过建立复合材料层合板的传声计算模型,研究了层合板铺设角度、板厚度和板密度等结构参数对层合板的传声损失影响。计算结果表明：复合材料的密度与传声损失之间没有明显的线性关系,而是随着频率的增加而上升;层合板的总厚度越大,传声损失也越大,而且各层之间厚度不同,也会引起传声损失的较大改变;层合板铺层角度越大,传声损失也越大。采用传递矩阵法能充分考虑复合材料层合板的铺设方式和铺层角度等因素的影响,利用层合板层间的速度和应力连续边界条件,准确的反应复合材料层合板隔声性能。     

基于一种改进支持向量机的非线性函数估计

该文利用对回归支持向量机的不敏感函数进行改进,使回归估计具有一定的鲁棒性能,并推导出改进的支持向量机的基本理论,给出了对偶优化问题,并结合一个具体非线性函数估计的例子进行了仿真实验,结果验证了所提出的方法的正确性和有效性。     

多项分布参数的经验Bayes估计

本文考虑了多项分布参数的经验Ｂａｙｅｓ估计问题。通过利用一种较特殊的样本结构，我们构造了参数向量的渐近最优的经验Ｂａｙｅｓ估计，并证明了对于参数向量的任何先验分布，该估计的收敛速度为Ｏ（ｎ－１）。     

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.     

约束条件下的线性贝叶斯估计

本文提出等式约束下线性模型中回归参数的线性贝叶斯估计,证明其在均方误差矩阵准则下相对于约束最小二乘估计的优越性,并采用蒙特卡洛模拟和数值算例验证其优越性．