基于t函数的稳健变量选择方法

在已有研究的基础上,提出一种新的基于t函数的稳健变量选择方法.该方法通过惩罚估计方程中的惩罚函数达到变量选择的效果,方程中的权重矩阵和有界得分函数对自变量和因变量中的异常值有很好的限制作用,可同时达到稳健的变量选择和稳健估计.通过分析3种不同自由度的t函数性质,选取自由度为2的t函数,并与基于Huber函数的稳健变量选择方法进行比较.数值模拟结果表明,基于t函数的稳健变量选择方法在2种污染力度、3种污染方式的数据污染情况下,其稳健性均明显优于基于Huber函数的稳健变量选择方法.与参数估计效果相比,基于t函数的稳健变量选择方法优势更明显.     

基于M估计的线性回归模型的统计诊断

将Huber函数引入线性回归模型的对数似然函数中,应用迭代法得到参数的稳健估计(M估计),并用基于数据删除模型得到的诊断统计量进行数据的实例分析,证明方法的有效性.     

线性回归模型的稳健估计及异方差检验

将Huber函数引入线性回归模型的对数似然函数中,利用Fisher Scoring迭代法得到参数的稳健估计(M估计);在M估计的基础上,对模型进行异方差检验,建立Score检验统计量;最后用一组实际数据说明本文方法的有效性.     

基于M估计的非线性纵向数据模型的异常点检验

介绍了纵向数据非线性混合效应模型,将有界函数Huber函数引入该模型的对数似然函数,得到模型参数的稳健估计(M估计),并探讨了基于M估计异常点检验的问题,通过血浆药物渗透数据说明了方法是有效的.     

圆锥滚子轴承振动数据改进Huber M稳健化处理方法研究

针对未知分布数据序列稳健问题,提出改进Huber M稳健化处理方法处理滚动轴承振动数据.基于Huber M估计法,融合了中位数估计的优点,根据时间变量t将实验数据进行离散,构建数学模型,得到一种改进的Huber M方法.应用该方法对圆锥滚子轴承振动数据分析,确定稳健数据的边界值及显著水平.研究结果表明:在0～0.1显著...     

一种基于Huber函数的塔康方位稳健估计算法

为抑制峰值检测器提取的塔康峰值包络中野值的影响,提出了一种方位稳健估计算法。利用基于最大似然准则的Huber函数压缩大于门限的误差,减小野值在算法中的权重。并采用双重门限对Huber函数作了改进,消除较大野值的权重,对较小的野值进行压缩,给出了门限参数的选取依据。该方法不需要噪声的先验统计知识,能有效抑制野值的影响。仿真结果表明:所提算法的参数估计精度较传统的Huber估计器和最小二乘算法(Least Square)有明显提高,在3 dB功率信噪比环境下,估计误差小于0.5°,满足塔康系统要求。     

纵向数据下广义线性模型的稳健二次推断函数估计

针对纵向数据下的广义线性模型，为了有效控制离群点对估计的影响以及进一步提高估计的效率，利用二次推断函数（QIF）改进加权的指数得分函数，得到了模型参数有效且稳健的二次推断函数估计（ERQIF），并证明了在一定条件下所得估计的相合性和渐近正态性。数值计算结果进一步表明，当离群点存在或工作相关矩阵被错误指定时，所得估计有稳健的模拟结果。     

变差函数稳健性研究

地质勘探过程中得到的样品数据往往偏离正态分布,这种情况下估算得到的变差函数值往往会偏离变差函数的实际值.针对这一问题,通过分析样品中成矿元素的分布特点,提出了采用稳健估计方法研究成矿的空间变差性,计算其变差函数.通过幂变换使样品服从正态分布,在此基础上采用稳健估计中的中位数法和三点均值法分别计算变差函数.采用交叉验证对变差函数模型最优性进行检验,结果表明采用稳健估计方法计算变差函数能够使估计值具有更高的精度.     

采用最小二乘支持向量机的部分相依函数型线性模型估计与应用

提出一种基于无截断Bartlett核函数的重构方法,有效避免长期方差函数估计方法面临的核函数与窗宽选择问题,并将其应用到部分相依函数型线性模型中.利用考虑函数型数据相依性的最小二乘支持向量机对模型进行参数估计,数值模拟结果表明:与未考虑函数型数据相依特征的最小二乘估计方法相比,提出的考虑函数型数据相依性的最小二乘支持向量机估计方法能更稳健地估计向量系数,有效提高样本外的预测精度;将部分相依函数型线性模型应用到上证指数开盘价的预测中,得到较好的预测效果.     

在一类加权损失函数类下某些离散分布均值参数的同时估计

本文考虑了在一类加权损失函数下,某些离散分布族(包括Poisson分布、负二项分布,多元负二项分布等)均值参数的同时估计问题,并给出了关于损失函数和样本分布族稳健的优于通常估计量的改进估计量。     

双线性过程的鲁棒数据协调

针对基于鲁棒目标函数的双线性数据协调问题,提出了一种新的算法.首先利用两步法将双线性数据协调问题转化为两个线性数据协调问题,然后利用罚函数法把约束优化问题转化为无约束优化问题,最后给出了Huber函数的等价权,以及利用等价权法求解双线性鲁棒数据协调问题的表达式.在迭代求解过程中考虑了变量的上下限约束.仿真结果表明该方法能有效地求解双线性鲁棒数据协调问题,降低显著误差的影响.     

三维编队飞行模型建立及自适应鲁棒控制

以张量分析为工具建立无人机编队飞行相对运动模型,用飞行中外界干扰的估计值构造系统能量函数,根据Lyapunov稳定判据,提出一种无人机编队飞行队形保持的自适应鲁棒控制律。研究表明：无人机编队飞行张量模型具有广泛的适用性;为无人机编队飞行深层问题研究、克服标架奇点引起的计算障碍等提供了新途径;提出的控制律简单,有效。     

基于Huber函数双边全变分的多帧文档图像超分辨率重建

针对低分辨率文档图像中噪声模型不确定、字符边缘和纹理走向复杂多变的问题,提出GemanMcClure(GM)范数替代L1、L2范数用于提高算法的鲁棒性,设计了结合双边全变分(BTV)和Huber函数的正则化项,采用Lucas-Kanade光流配准算法,利用字符结构特征的先验信息,使算法在重建过程中更加注重边缘细节与边缘方向信息。实验表明,与L1BTV、L2BTV和无Huber函数的GMBTV正则化(下文简称GM方法)重建方法相比,文中算法在混合噪声模型下能够显著平滑噪声、锐化边缘、提升文档图像字符的分辨率,字符识别率提高14.69%的同时运算时间缩短了29.34%。     

基于模态回归的半参数部分线性模型的稳健估计

以半参数部分线性模型为对象,研究了基于模态回归的稳健估计方法。非参数部分采用B样条近似,在模型的回归中通过控制核函数的带宽来实现估计的稳健性,结合局部二次算法(LQA)和模型期望值最大化算法(MEM),提出EM估计算法,得到了参数估计以及非参数部分估计的收敛速度。通过蒙特卡洛模拟和实例分析,验证了本文方法的有效性。     

基于MAP估计的遥感图像频域校正超分辨率算法

为解决超分辨复原中遥感图像调制传递函数过零点引起的病态问题,提出了一种基于最大后验概率估计,利用遥感系统成像模型对图像进行频域校正的遥感图像超分辨率复原算法.该算法首先假设图像满足高斯马尔科夫先验模型,使用最大后验概率估计法实现图像频谱外推.然后根据成像模型对外推的频率分量进行频域校正,去除调制传递函数过零点附近的伪信息.最后使用优化最小化方法完成数值求解,降低了计算复杂度.实验结果证明,该算法考虑了图像成像模型本身特性,对合成图像和各种地物条件下的遥感图像都能取得快速有效的超分辨复原效果.     

无线传感器网络中极大极小设置的分布式检测研究

在分布式检测系统中,无线传感信道普遍存在未知的噪声,而基于最大似然函数的融合在有未知的噪声时性能表现较差.为了提高信号检测的准确性,提出一种基于极大极小方法设置的鲁棒融合规则.该规则采用最大似然函数的融合算法的结构形式和Huber极小极大的方法,得到虚警概率和检测概率表达式,适用于信道噪声为非衰减噪声分布、有界方差的噪声分布和混合高斯噪声分布.对多传感器并行分布式检测系统的仿真与分析,表明了该融合算法可提高信号检测的准确性,同时也具有一定的鲁棒性.     

熵损失函数下Burr分布参数的Bayes估计

讨论了在熵损失函数下Burr分布的参数在不同先验分布下的Bayes估计,并且讨论了其多层Bayes估计,给出了容许性估计的一般形式.