平衡损失下有限总体回归系数的最优预测

在平衡损失下,研究超总体中有限总体回归系数的最优预测。在Gauss-Markov型误差假定下,得到了齐次线性预测,为有限总体回归系数最优线性无偏预测的充分必要条件,并在几乎处处意义下得到了唯一的最优线性无偏预测。结果表明,平衡损失下的最优预测是误差平方和下的最优预测和预测均方误差准则下最优预测的平衡。同时,证明了最优线性无偏预测在齐次线性预测类中的可容许性。     

基于分级加载工况的沉降曲线拟合法及工程运用

为评估分级堆载预压法处理下地基的沉降,提出了适用于分级大面积加载工况的沉降预测方法.基于指数曲线法,将传统的单级加载预测模型拓展为多级预测模型,结合某填海机场地基处理工程实例,通过对实测沉降的拟合、预测,分析了多级预测方法的实际应用效果.研究结果表明:在分级加载工况下,与单级方法相比,多级方法能较好地预测后期继续加载且尚无实测数据情况的地基沉降发展,对最终沉降的预测误差在5％以内,而对于这种情况单级方法无法预测;对现有荷载下已有实测数据的沉降预测,多级方法和单级方法预测结果差别不大且预测误差都在5％以内;多级方法能反映多级工况下完整的沉降发展过程,而单级方法仅能拟合、预测当前一级荷载下的沉降.多级方法对分级加载工况下的沉降预测具有明显优势.     

多因变量线性模型下三类预测的最优性判别

在多因变量多元线性模型中就岭型主成分型预测与最优线性无偏预测、主成分型预测之间的最优性判别问题进行讨论.得到岭型主成分型预测在R(i)(·)准则下优于最优线性无偏预测和主成分型预测的两个充要条件,同时得到了其在MDE-准则和矩阵迹RT(·)意义下优于最优线性无偏预测和主成分型预测的充分条件.     

序限制下最优尺度同变预测区间的改进

考虑了序限制下的统计预测问题，在一定条件下通过IERD方法给出了通常最优尺度同变预测区间的改进预测区间。     

有限制位置参数下单收缩预测量的改进

考虑有限制位置参数下随机变量的统计预测问题. 利用可得到的相关数据及参数间的两种不同序限制, 对随机变量的单收缩预测量进行改进, 得到了不同序限制下的改进预测量族, 并探讨了改进预测量族之间的关系.     

多元线性模型中的条件最优预测

研究了带线性等式约束下任意秩多元线性模型中条件可预测变量的最优预测。特别地考虑了一类特殊的预测函数：φ－线性预测函数，给出了条件φ－线性可预测变量和条件最优φ－线性无偏预测的定义。得到了条件φ－线性可预测变量的条件最优φ－线性无偏预测，并证明了它在几乎处处意义下的唯一性。     

电力市场下负荷预测综述

负荷预测是电力市场的基础.系统地综述了负荷预测的分类、负荷模型、负荷预测的方法及其发展动态、电力市场下对负荷预测的新要求.     

基于预测和矢量量化的高光谱图像压缩算法

针对高光谱图像波段数目多,存储空间大,为后续研究带来极大不便的特点,提出了一种基于广义回归神经网络预测与矢量量化算法结合的高光谱图像压缩算法。该算法通过预测前一波段的像素数据,将符合要求的预测结果继续预测下一波段,通过设置合理的参数,在预测步骤中95%以上的波段可通过预测结果来预测波段数据。利用矢量量化算法对预测数据进行压缩。该算法只需要已知图像的前2个波段数据,即可预测整个图像波段的数据。广义回归神经网络具有很强的非线性映射能力和学习速度,预测效果好。通过预测得到的数据在不同的压缩比下进行实验,结果表明,在保证图像质量的前提下,该算法与对比算法相比,有效降低了运算复杂度,节约了时间,提高了峰值信噪比。     

矩阵损失下有限总体中的局部条件线性Minimax预测及唯一性

对于任意秩有限总体,在矩阵损失下,有关文献给出了线性预测函数的局部极大极小性。考虑带线性等式约束的线性模型{Cov（e）=σ^2V^E（e）=0^Hβ=0^y=Xβ＋e本文将在适当的假设下,得到线性可预测函数在一切预测类中任意秩有限总体的条件可预测变量的唯一局部条件线性Minimax预测（唯一性在几乎处处意义下理解）。     

序限制下同变预测区间的改进

在统计决策理论框架内考虑了位置和尺度分布族下随机变量的区间预测问题.利用估计问题中对无序限制下参数估计量的改进方法,结合未知分布参数之间的序限制,对通常的位置和尺度同变预测区间进行了改进.在一定条件下,构造了一族改进预测区间,从而解决了常用同变预测区间的改进问题.     

条件独立性的三种形式及其相互关系

给出了随机变量的随机条件独立性、回归条件独立性及其强随机条件独立性的概念,并且证明了这几种条件独立性的相互关系。主要结论是在一定条件下,强随机条件独立必有回归条件独立;随机条件独立性与回归条件独立性是等价的。它们对概率论及其数理统计的应用是有意义的。     

关于条件特征函数的一些注记

定义了随机变量在非零事件下的条件特征函数,讨论了随机变量的特征函数与条件特征函数的关系,并给出了条件特征函数的若干性质,还定义了条件分布函数的条件特征函数,讨论了条件分布函数和相应的条件特征函数之间的关系.     

模糊命题逻辑L*中公式的条件随机真度

在赋值格为[0,1]的模糊逻辑系统L*中,基于条件概率的思想和赋值集的随机化方法提出了公式的条件随机真度,证明了条件随机真度的MP规则和HS规则。引入公式间的条件随机相似度和条件伪距离,建立了条件随机逻辑度量空间,推导出条件伪距离的若干性质,证明了条件随机逻辑度量空间中逻辑运算的连续性,并初步研究了给定条件下的近似推理理论。     

基于条件互信息下聚类的朴素贝叶斯分类算法

 采用条件互信息来度量任意2个条件属性之间的关联程度,采用互信息度量各条件属性与类属性间的关联程度,以此作为将各条件属性进行聚类的准则,提出一种新的将条件属性进行聚类的分组技术.同时,结合朴素贝叶斯分类算法,构造了改进的朴素贝叶斯分类模型.通过仿真实验表明该文提出的算法具有较好的分类性能.     

关于最佳条件信任算子的存在性问题

讨论了理想化的条件信任算子应满足的7个条件,同时对目前人们已经提出的几种条件信任算子的优缺点进行了分析。依据所建立的理想化条件信任算子准则,证明了在一定条件下,理想化条件信任算子应该满足的7个准则存在着某种必然的内在矛盾,在一定意义下,试图寻找的理想化条件信任算子是不存在的。     

条件模糊事件的函数表示及条件模糊事件集合的代数结构

提出了描述条件模糊事件的数学方法,研究了条件模糊事件的集合表示,讨论了Fuzzy格上条件事件的构建和条件事件集合的代数结构。     

复随机变量的条件独立性与条件回归独立性

将实随机变量的条件独立性与条件回归独立性的研究推广到复随机变量,讨论了复随机变量的条件独立性、条件回归独立性及强条件独立的关系,得到了三者等价的几个充分必要条件.     

非齐次等式约束线性回归模型的条件根方估计的效率

对非齐次约束线性回归模型的狭义条件根方估计和广义条件根方估计进行讨论.利用相对效率定义比较两种根方估计的效率,证明在一定条件下,广义条件根方估计的效率不低于狭义条件根方估计,在根方参数的限制下比较了它们的下界之间的关系,从而可选择适当的根方参数,使广义条件根方估计就均方误差而言更具有良好的性质.     

k元n方体的最优条件匹配排除集

设E是图G的一个边子集,若G-E中既不包含孤立点,也没有完美匹配和几乎完美匹配,则称E为G的一个条件匹配排除集.边数最少的条件匹配排除集,称为最优条件匹配排除集.文章给出了k元n方体的最优条件匹配排除集.     

条件独立及其性质

独立是概率论中特有的概念,有着十分重要的意义.本文应用条件概率给出了条件独立的概念,得到了条件独立的相关性质.