基于RBF网络的中国信贷规模稳健预测

将M-估计稳健损失函数与基于统计贡献度的动态确定核函数方法相结合, 提出一种有效的非参数RBF预测模型, 该方法克服了稳健性缺失问题, 在估计参数的同时动态确定最佳网络结构, 并且在学习中自动消除噪声和异常点的影响, 加快了网络的学习和收敛速度. 利用中国月度信贷数据进行实证分析表明, 本文模型与基准模型相比具有最好的预测稳健性和准确性, 对于提高货币政策有效性和前瞻性具有很好的应用价值.     

MUCLTIVARIATE RESISTANT REGRESSION SPLINES FOR ESTIMATING MULTIVARIATE FUNCTIONS FROM NOISY DATA

1.IntroductionMultivariatesurfaceestimationisanimportantproblemforwhichseveralmethodologieshavebeendevelopedwiththeaimofconstructinganestimatorg,,(x)ofaJ--dimensionalsurfacego(x)basedonnoisyobservations{(Xi,K),15i5n}.Existingestimatorsofgoareobtainedonthe…     

非线性模型中Bootstrap M-估计量的a.s收敛性

本文利用Efron’s提出的Bootstrap方法,建立了Bootstrap M估计的a.s后收敛性.     

基于掩模和俯仰角补偿的视觉自运动估计

提出了一种基于掩模M估计和俯仰角补偿的移动机器人自运动的单目视觉估计方法。在6-DOF自运动模型的基础上,提出了一种适合于乡村道路环境的4-DOF自运动估计模型,以此为基础,采用一种多尺度的超复小波相位相干理论来鲁棒地估计缺乏规则纹理的路面图像的微小运动,设计了一种掩模M估计对运动向量进行优化估计,并提出了一种俯仰角补偿算法克服乡村路面颠簸有效地估计机器人偏航角、俯仰角增量和平移增量。在乡村道路环境下,利用某自主机器人采集的实际数据对算法进行了仿真试验,运动估计结果与车载GPS/INS捷联系统做了对照。实验结果表明了自运动估计算法的有效性。     

误差ei为ρ混合序列在非线性模型下M估计的强相合性

对于非线性模型yi=f(xi,θ)+ei,i=1,2,…,n,当{ei,i=1,2,…,n}为ρ混合序列时,创造合适的条件,在此条件下证明了θ的M估计的强相合性.     

半参数回归模型中基于稳健散布阵的参数估计

基于稳健M-估计所得到的散布矩阵,给出了半参数回归模型中回归参数β的稳健估计,并证明了估计量的强相合性以及渐近正态性.     

参数已知比例可加模型的M-估计

讨论比例可加模型的非参数估计。首先,使用局部线性方法和平均方法给出了未知函数的初估计,然后利用回切方法,定义了未知函数及其导函数的M-估计;进一步,研究了该稳健的M-估计的弱相合性与渐近正态性。     

ON B-SPLINE M-ESTIMATORS IN A SEMIPARAMETRIC REGRESSION MODEL

ＯＮＢ－ＳＰＬＩＮＥＭ－ＥＳＴＩＭＡＴＯＲＳＩＮＡＳＥＭＩＰＡＲＡＭＥＴＲＩＣＲＥＧＲＥＳＳＩＯＮＭＯＤＥＬ￥ＳＨＩＰｅｉｄｅ（ＤｅｐａｒｔｍｅｎｔｏｆＰｒｏｂａｂｉｌｉｔｙａｎｄＳｔａｔｉｓｔｉｃｓ，ＰｅｋｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｎｇ１...     

基于非同质性特征和样条模型的道路识别算法

为了解决道路图像中光照变化、阴影遮挡、噪声、道路边界或标志线不连续等因素导致道路识别方法鲁棒性较差的问题,提出基于图像非同质性特征和几何模型的道路识别算法.该方法将计算得到的图像局部方差与不连续性特征进行融合获得图像的非同质性特征,并利用比例直方图法得到的阈值自适应地对上述结果二值化,然后用鲁棒M估计器估计样条拟合的最优控制点,进而用3点Catmull Rom样条拟合道路边界.仿真实验表明,所提算法具有较好的鲁棒性和自适应性.实地测试结果表明:在存在有少量局部阴影和道路标志线断续的情况下,正确识别率可达到95%以上.