支持向量分位数变系数模型的估计及应用

基于不对称“ε-不敏感”损失函数提出变系数模型的参数估计方法,并应用支持向量回归理论和凸二次规划理论给出模型的估计算法.结果显示,所得估计曲线可在不同分位数水平得到一个稀疏解,而数值模拟研究和共享单车实例数据分析结果进一步证实该方法的正确性和实用性.     

多重网络中的创意扩散模型研究

基于线上线下多种渠道的创意扩散研究是企业管理的新兴研究热点之一.为此,引入多重网络理论与传播动力学理论,考虑工作中线下沟通、工作中通过企业社交媒体在线沟通及非工作时间电子沟通三种渠道,构建多种渠道构成的多重网络中的创意扩散模型.研究创意在多重网络中持续扩散的阈值条件,并对创意在多重网络中的扩散过程进行仿真实验.结果表明:1)当员工在单位时间内通过以上各渠道沟通的平均次数较接近时,在多重网络中创意扩散的速度较快,创意扩散的范围较广;2)与匀质网络相比,当非工作时间电子沟通子网络是无标度网络时,在多重网络中创意扩散的速度较快,扩散的范围较广;3)增大子网络层间创意扩散的相互促进作用对整个多重网络中创意的有效扩散有积极影响.     

非对称三参数Weibull分布的统计分析及其应用

在两参数Weibull分布的基础上,提出了一种取值于(-∞,+∞)上的非对称三参数Weibull分布,研究了其密度函数的图形特征,给出了该分布的数字特征,在全样本场合下给出了参数的两种矩估计和极大似然估计,并通过Monte-Carlo模拟考察了估计的精度.最后选取2016年1月4日至2016年5月6日上证综指和深圳成指的数据,应用非对称三参数Weibull分布对中国股市大盘进行实证分析,结果表明非对称三参数Weibull分布模型能够较好地拟合中国股市大盘的日收益率,同时还得到了相应参数的点估计.     

基于宁波、舒兰和郑州三地新冠肺炎潜伏期的研究

通过对宁波、舒兰和郑州共3组新型冠状病毒肺炎潜伏期数据分别进行正态分布、对数正态分布、Weibull分布以及BS分布拟合检验,发现这3组数据都服从两参数BS疲劳寿命分布。针对多个两参数BS分布总体,给出了参数齐性的近似检验方法,就讨论的3组潜伏期数据可以认为其参数是相同的,并得到了刻度参数β与形状参数α的点估计,进而求得了确诊病例在其暴露开始后的14 d和21 d内出现临床症状或检测试剂呈阳性的概率分别达到0.968 412和0.997 324. 与文献相应结果比较后可知,用两参数BS分布来拟合新冠肺炎潜伏期比用Weibull分布与对数正态分布来拟合的优势明显,所分析的结果与当前的“14+7”的防控策略相吻合。     

基于含时网络与随机矩阵理论的投资组合研究

考虑到资产收益率间复杂的线性和非线性动态相关及演化关系,基于Pearson相关系数、Kendall秩相关系数和Tail相关系数等构建含时网络并结合随机矩阵理论,研究最优投资策略问题。为了对比不同相依关系、不同中心性测度及是否降噪对投资策略的影响,构建了9个资产筛选网络模型,并基于上证180指数数据,求解最优投资策略,分析其内样本和外样本表现。研究发现:在Kendall和Tail相关系数下的模型所选资产组合可以有更低的交易成本,运用随机矩阵理论进行降噪能显著提升投资收益,含时条件中心性测度的引入有助于筛选出更优的资产组合。     

四单元混联系统屏蔽数据的统计分析

推导了四单元混联系统屏蔽数据场合下的似然函数,并且给出了常数失效率单元和线性失效率单元所组成的四单元混联系统屏蔽数据的参数的极大似然估计,以及采用似然比构造区间估计的方法得到参数的近似区间估计.     

两参数BS疲劳寿命分布的拟合检验以及环境因子的近似区间估计

两参数Birnbaum-Saunders(BS)疲劳寿命分布是概率物理方法中的一个重要的失效模型,它比常用的寿命分布,如威布尔分布、对数正态分布,更适合描述某些由疲劳引起失效的产品的寿命规律,其主要应用于对疲劳失效以及电子产品性能退化失效的分析研究.在全样本场合,利用徐晓岭等的研究中刻度参数的对数矩估计的性质,构造了两参数BS疲劳寿命分布拟合检验的检验统计量,并通过3个实例说明拟合检验方法的应用性.给出了两种求两参数BS疲劳寿命分布环境因子近似区间估计的新方法,通过Monte Carlo模拟与原有的方法进行了比较,发现利用对数正态近似的方法优势明显,并通过一个算例说明方法的应用性.     

累积损伤模型下Lomax分布产品循环序进应力加速寿命试验的可靠性统计分析

基于累积损伤模型,讨论了Lomax分布产品在循环序进应力加速寿命试验下的失效模式,结合极大似然估计和线性回归给出了参数的估计方法,并用Monte-Carlo法模拟数据,计算参数的估计值.     

微信群与线下交流耦合网络知识传播模型研究

本文构建了微信群与线下交流耦合网络上的知识传播模型,该模型考虑了微信群中知识交流次数的变化对线下子网络中知识传播率的影响.推导出区分知识在耦合网络中传播与否的阈值条件,并验证了传播阈值始终是一有限数,最后结合实际数据对耦合网络上的知识传播过程进行了数值模拟.结果表明,耦合网络中线下子网络层的传播阈值大于等于单一的线下网络的传播阈值,而小于等于耦合网络的传播阈值.与各层子网络传播率均为正常数的耦合网络模型相比,在线下传播率随微信群中知识交流次数变化的模型中知识的传播阈值和最终传播规模更大,研究还表明,网络结构对知识传播有重要影响,相比于均匀网络,如果线下子网络是无标度的,即使初始时刻知识拥有者数量较少,耦合网络中知识的传播阈值与最终规模也会更大,传播速度更快.     

基于特征优化的广告点击率预测模型研究

针对互联网广告数据具有高维稀疏性的特点,在现有的点击率(Click-Through Rate, CTR)预测问题的相关理论和技术基础上,给出了一种基于梯度提升决策树(Gradient Boosting Decision Tree, GBDT)的卷积神经网络(Convolutional Neural Networks, CNN)在线广告特征提取模型(CNN Based on GBDT,CNN+). CNN+模型不仅能从原始数据中提取出深度高阶特征,还能解决卷积神经网络在稀疏、高维特征中提取特征困难的问题.在真实数据集上的实验结果表明,与主成分分析(Principal Component Analysis,PCA)和梯度提升决策树这两种特征提取方法相比, CNN+模型提取的特征更加有效.