均匀设计在多响应线性模型失拟检验中的最优性

运用Khuri（1985）组合响应的方法，将Wiens（1991）的结论推广至多响应情形．证明均匀设计在对多响应线性模型作显著性检验时，在模型失拟情况下使检验的功效函数最小值达到最大，在模型未失拟情况下使检验的功效函数最大值达到最小．     

线性模型广义最小二乘估计的中偏差、重对数律与相对效率

对回归模型进行适当变换,得到了线性模型广义最小二乘估计的中偏差及重对数律,并且在均方误差矩阵准则下得到了Bayes（BE）估计与广义最小二乘估计的2种不同相对效率的上下界．     

PC准则下错误指定模型中回归系数有约束LS估计的优良性

在错误指定的回归模型和线性约束条件下，于ＰＣ准则下，比较了回归系数的有约束的最小二乘估计（ＲＬＳＥ）相对于通常的最小二乘估计（ＬＳＥ）的优良性．也对预测情形类似的问题进行了讨论．     

烃类气体的智能识别

使用十一个不同型号的金属氧化物半导体气体传感器组成传感器阵列，分别用主成份分析法（ＰＣＡ）和偏最小二乘回归方法（ＰＬＳ）处理传感器阵列对一定浓度范围（约７００×１０－６～１４０００×１０－６）的甲烷、乙烷、丙烷、丙烯４种气体的响应．主成份分析法的结果可用来识别未知的烃类气体，偏最小二乘回归得到的较正模型具有较强的预报能力，可用来预报未知烃类气体的类型．     

线性回归模型的H矩阵估计法

文中引进一个特殊矩阵（称为H矩阵），得到对经典线性回归模型估计的新方法，将传统的普通最小二乘法（OLS）的结果加以改进，文末给出具体算例。     

SUR回归模型中最小二乘估计与Gauss—Markof估计及两步估计重合 …

讨论了（１）如何确定ＳＵＲ回归模型的协方差参数矩阵的列展空间;（２）在什么条件之下,ＳＵＲ回归模型的最小二乘估计,Ｇａｕｓｓ－Ｍａｒｋｏｆ估计,及Ｚｅｌｌｎｅｒ的两步估计可以相等,此外,也得到了关于最小二乘估计在线性无偏估计数类中的容许性的某些结果。     

SUR 回归模型中最小二乘估计与 Gauss-Markof 估计及两步估计重合的条件

讨论了（１）如何确定ＳＵＲ回归模型的协方差参数矩阵的列展空间;（２）在什么条件之下,ＳＵＲ回归模型的最小二乘估计,Ｇａｕｓｓ－Ｍａｒｋｏｆ估计,及Ｚｅｌｎｅｒ的两步估计可以相等。此外,也得到了关于最小二乘估计在线性无偏估计类中的容许性的某些结果。     

缺失数据下半参数回归模型的局部线性光滑

在缺失响应变量的不完全数据下,对半参数回归模型进行研究.利用最小二乘和局部线性回归拟合方法建立缺失数据下半参数回归模型参数分量和非参数分量的局部线性估计.在适当的条件下,得到^βn,^nσ的渐近正态性和^gn(t)最优弱收敛速度.     

一种改进的线性回归模型

本文阐述了一种改进的线性回归模型——偏最小二乘回归模型的基本原理,并结合实例指出当变量间存在着线性关系时,普通的多元线性回归建模方法会失效;通过对偏最小二乘回归模型和主成分回归模型的系数估计精度及预测精度两方面的比较,说明要消除变量间的线性关系,前者优干后者。     

多响应近似线性回归模型D最优稳健设计

讨论了多响应变量模型的D最优稳健设计问题．在每个响应变量与自变量之间存在近似线性回归关系的假定下，针对偏差向量函数属于某一给定的L2邻域的情形，得到了D最优准则下设计密度的解析表达式．     

回归系数的极小极大估计

将文献[1]中提出的求不相容方程组的极小极大解的方法，应用于线性回归方程中的参数估计，提出了一个包括两个普通的最小二乘法的算法。在基于“最大残差最小”的意义下，得到的参数估计忧于员小二乘估计。     

增长曲线模型回归系数的线性MINIMAX 估计

在矩阵损失函数下,研究增长曲线模型中回归系数的线性估计在给定估计类中的minimax性,并得到惟一的线性minimax估计.     

二次损失下可估函数在非齐次估计类中的条件Minimax可容许性

在二次损失下,关于任意矩阵V讨论了一般Gauss-Markov模型在非齐次线性估计类中可估函数的条件Mimimax可容许性.得出带约束的一般Gauss-Markov模型的可估函数在非齐次估计类中Minimax可容许的充分必要条件.     

回归分析中的目标函数极小化准则

指出了最小二乘回归分析中存在稳健性不好的问题,讨论了用线性规划法计算回归系数的最小一乘准则和极小极大化准则,通过实例计算得出最小一乘准则误差绝对值小,最大误差最大和极小极大化准则误差绝对值之和最大,最大误差最小的结果,指出在实际应用中可以把三种准则下的计算结果进行比较,从中选出最优回归方程。     

一类求解极小极大问题的算法

无约束非线性极小极大问题是最优化数值计算领域中十分活跃的研究课题之一,因此,对于无约束非线性极小极大问题,如何设计快速有效的算法一直都是优化工作者十分关心的问题.文中介绍了无约束非线性极小极大问题算法的研究意义及应用领域,分析了现有极小极大问题算法的研究现状,针对极大值函数的特性,给出了极大值函数的次梯度与ε次梯度之间及极大值函数的次梯度的凸锥与次梯度之间的一种包含关系,得到了计算极大值函数的ε次梯度的数值方法,从而构造出了一种求解极小极大问题的ε-算法,并且证明了算法的收敛性,初步的数值例子表明算法是有效的,且具有大范围收敛的特点.     

P型空间中的ky-fan不等式

通过连续函数族定义一个凸空间,在没有明确的线性结构的情况下,应用P型空间性质,利用Browder不动点定理与一般的KyFan极大极小不等式为基础得到了一个P型空间中的KyFan极大极小不等式,同时得到了KyFan极大极小不等式的几何形式。     

广义约束极大极小问题的非光滑方程组模型及其应用

广义约束极大极小问题在理论和实践中有着广泛的应用，为了能够借助已有的优化方法解决这类问题，利用KKj最优性条件和Fischer-Burmeister非线性互补函数，给出了广义约束极大极小问题的两个等价的非光滑方程组模型，介绍了1个相应的解法-Newton法，并给出了该模型在车间调度方面的应用。     

极小极大拟合准则下的在线参数估计方法

提出一种采用极小极大拟合准则的实用的在线参数估计方法。为此采取了两条有效措施。第一，将在线辨识中最常用的遗忘因子引入极小极大拟合准则；第二，通过研究有关的极小极大优化问题的对偶问题设计在线递推算法。前者使推广后的极小极大拟合准则具有追踪时变参数的能力，后者则为构造实用的在线递推算法提供了可行的途径。大量仿真研究表明，提出的在线参数估计方法具有较好的性能。     

广义纳什均衡问题求解的极小极大方法

应用正则化Nikaido-Isoda函数, 一类广义纳什均衡问题的求解被转化为一个极小极大问题的求解．利用Fischer-Burmeister函数将与极小极大问题的必要性条件等价的变分不等式的Karush-Kuhn-Tucker系统转化为一个半光滑方程组．应用牛顿法求解此方程组, 并给出了半光滑牛顿法局部超线性收敛的充分条件．数值结果验证了极小极大方法对解决广义纳什均衡问题的有效性．     

二次损失下回归系数的线性条件Minimax估计

考虑带线性等式约束的线性模型 .对任一条件可估函数 ,给出了二次损失下线性条件 Minimax估计的定义 ,并得到了唯一的线性条件Minim ax估计 .