回归函数改良核估计的强相合性

本文研究了回归函数改良核估计的强相合性,得到改良核估计的更一般形式.     

“非汉字符号”相依序列回归函数加权核估计

讨论ρ相依序列非参数回归函数加权核估计的强相合性     

ρ相依序列回归函数加权核估计

讨论ρ^~相依序列非参数回归函数加权核估计的强相合性。     

相依样本非参数回归模型误差的相合估计

给出了回归函数基于核估计的密度估计的强相合性及一致相合性。     

随机缺失情况下固定设计半参数回归模型的相合性

目的在随机缺失情况下证明固定设计半参数回归模型的强相合性。方法利用引理,一些不等式及已给条件进行证明。结果证明了参数β的最小二乘估计和未知函数g(.)的非参数核估计是强相合的。结论随机缺失下半参数回归模型中β的参数估计和非参数函数g(.)的估计量是强相合的。     

相依样本下回归函数之改良核估计的强相合性

本文在样本序列为同分布Φ-混合的情形下讨论了回归函数之改良核估计的强相合性,同时也给出了强收敛速度。     

平稳序列回归函数核估计的强收敛

本文在样本序列为平稳ψ－混合的情形下，证明了回归函数的核估计具有强相合性，并给出了它的强收敛速度。     

一类混合序列下半参数模型估计的强相合性

目的在混合随机误差下证明半参数回归模型参数估计的强相合性质。方法利用引理不等式及已给条件进行证明。结果证明了参数β的最小二乘估计和未知函数g(·)的非参数核估计是强相合的。结论半参数回归模型中的参数β和非参数函数g(·)的估计量在ρ混合误差下具有强相合性。     

关于回归函数的核估计的渐近正态性

研究了回归函数的核估计的渐近性质。证明了在一定条件下、回归函数的核估计序列是渐近正态的。     

基于核方法的Copula函数的估计

介绍了Copula函数的基本定义和性质以及非参数统计中的核估计方法,运用核估计方法来估计Copula函数,应用核估计的性质证明了估计出的Copula函数是真实Copula函数的一致强相合。     

变系数固定效应面板数据模型的估计

在面板数据下基于变系数固定效应模型，采用两步估计方法和截面核估计方法来估计模型中的变系数部分及固定效应。模拟结果表明，当样本数据较小且观测次数较多时，两步估计法的估计效率略高于截面核估计的；而当样本数据较大且观测次数较少时，截面核估计方法的估计效率比两步估计的略好。本文通过两组不同样本的模拟数据验证了两种估计方法的有效性，说明变系数固定效应模型是处理面板数据的有效工具。     

固定设计点情形下回归函数值的区间估计

对于固定设计点情形下的非参数回归模型,基于核估计的方法给出了回归函数的逐点置信区间和修正偏差置信区间.所给置信区间在相对较弱的条件下是渐近精确的.考虑到窗宽的选取对核估计和区间估计的重要影响,给出了适合所给置信区间的核估计窗宽的迭代选取方法.模拟结果显示迭代法收敛,且选取的窗宽表现良好,置信区间有令人满意的覆盖率.     

基于不同核函数的非参数利率期限结构模型的估计

给出了用非参数方法估计利率期限结构的过程,并以上海证券交易所的国债回购利率数据为样本,采用4种不同核函数：高斯核、抛物线核、四次方核和六次方核对利率期限结构模型进行估计。结果显示：当利率小于4%时,4种核函数估计结果相近;当利率大于4%时,高斯核和抛物线核的估计结果相近,四次方核和六次方核的估计结果相近;从利率均值回复的角度来说,后两者要优于前两者。所有结果表明：短期利率的密度函数是非正态的,扩散过程的漂移函数和扩散函数是非线性的,印证了非参数利率期限结构模型在刻画利率行为方面的优越性。     

基于核估计的滤波补偿法

为了解决Kalman滤波算法进行动态定位时,模型中存在的系统误差使得动态定位结果产生偏差的问题,采用基于核估计的滤波补偿法,在移动的窗口内,利用核估计拟合模型系统误差,修正相应的观测向量和状态预测向量的协方差矩阵估值,以消除系统误差对滤波的影响,推导了利用核估计拟合系统误差的公式。通过一个模拟算例证明了改算法的有效性,而且在滤波过程中不需要对系统误差做任何假设,对开窗窗口的宽度也不敏感。     

半参数线性回归模型的最小一乘核估计

提出半参数线性回归模型的最小一乘核估计,通过模拟计算表明该方法是有效的,在与最小二乘核估计的比较中更突出了该方法的稳健性.     

金融问题中二元损失函数的核密度估计

用非参数估计方法,在一元函数的核密度估计的基础上,给出了二元函数的核密度估计形式,并通过计算估计量的MISE的最小值得出最优窗宽.     

Image Blind Deblurring Using an Adaptive Patch Prior

Image blind deblurring uses an estimated blur kernel to obtain an optimal restored original image with sharp features from a degraded image with blur and noise artifacts. This method, however, functions on the premise that the kernel is estimated accurately. In this work, we propose an adaptive patch prior for improving the accuracy of kernel estimation. Our proposed prior is based on local patch statistics and can rebuild low-level features,such as edges, corners, and junctions, to guide edge and texture sharpening for blur estimation. Our prior is a nonparametric model, and its adaptive computation relies on internal patch information. Moreover, heuristic filters and external image knowledge are not used in our prior. Our method for the reconstruction of salient step edges in a blurry patch can reduce noise and over-sharpening artifacts. Experiments on two popular datasets and natural images demonstrate that the kernel estimation performance of our method is superior to that of other state-of-the-art methods.     

NA样本情形线性指数分布参数的经验Bayes估计

利用同分布负相协(NA)样本构造密度函数及其导数的核估计,得到线性指数分布参数的经验Bayes(EB)估计,并给出EB估计在适当条件下的收敛速度.     

删失数据下NA样本核密度估计的相合性

在｛Xn;n≥1｝和｛Yn;n≥1｝是相互独立的同分布NA随机变量序列的情形下,研究了随机删失数据下概率密度函数的核估计,获得了此核估计的逐点强相合性和一致强相合性。     

非对称核密度估计在生命表构造中的应用

针对以地称核修匀方法存在着边界偏差这种现象,将非对称核密度估计用于生命表数据修匀中,提出了非对称核修匀方法,并与对称核修匀方法进行比较,得到了令人满意的结果,从而使核修匀方法得到了进一步的推广.