基于奇异设计矩阵的岭估计及其性质

基于设计矩阵是奇异矩阵的线性模型,讨论线性模型系数参数岭估计的优良性。对于可估函数在均方误差意义下,得到岭估计优于最小二乘估计的性质。而且在二次损失函数下岭估计具有可容许性。     

Gauss-Markov模型回归系数广义岭估计的优良性

针对Gauss-Markov模型,讨论了在均方误差矩阵(MSEM)准则和Pitman Closeness(PC)准则下回归系数的广义岭估计相对于最小二乘估计的优良性.     

齐次等式约束线性回归模型回归系数的综合条件岭估计

提出了齐次等式约束线性回归模型回归系数的一个新的有偏估计,即综合条件岭估计.讨论了综合条件岭估计的可容许性等优良性质.给出了其迭代解和极小化均方误差的无偏估计解.在一定的条件下,综合条件岭估计的样本总方差、均方误差、均方误差矩阵均分别小于约束最小二乘估计的相应误差.条件岭估计和条件根方估计为综合条件岭估计的特例,从而统一了条件岭估计和条件根方估计的理论.     

PC准则下回归系数估计优良性的计算机模拟

在PC准则下对线性模型中设计矩阵病态时的几种改进估计－－岭估计，压缩估计及Bayes估计进行了计算机模拟，模拟结果显示了几种改进估计的统计优良性。     

线性模型中回归系数广义岭估计的相对效率

对于Gauss-Markov模型,给出了回归系数的广义岭估计相对于最小二乘估计的几种相对效率的上、下界,并讨论了它们之间的相互关系.     

广义岭估计在植被盖度定量评价中的应用

引入了广义岭估计的方法,明显的改善了线性回归方法的缺陷,克服了变量间由于存在复共线性关系对求解待定参数所造成的不利影响,提高了估测精度.运用广义岭估计参数的迭代算法,以影响荒漠化程度的主要因子植被盖度进行研究.     

平衡损失下线性模型系数参数的平衡岭估计

在Zellner提出的平衡损失函数的基础上,同时考虑到岭估计拟合优度及精度,构造了平衡损失函数,给出平衡损失下线性模型系数参数的平衡岭估计概念.在设计矩阵不满秩条件下,讨论平衡损失函数平衡岭估计的优良性.     

基于广义线性模型的岭型主成分估计及实例分析

在广义线性模型已有的参数估计的基础上,结合广义线性模型中的主成分估计和岭估计,给出了广义线性模型中的新的估计方法岭型主成分估计,并在均方误差意义下证明了在满足一定条件下这种估计方法是优于广义线性模型中的最大似然估计、主成分估计、岭估计的,最后通过实际算例对比分析验证了理论上得到的结果.     

广义岭型主成分估计的方差最优性质

主要讨论了在广义岭型降维估计类中，广义岭型主成分估计的方差性质。在一定条件下，证明了广义岭型主成分估计的协差阵的特征值、行列式及正交不变范数最小。     

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。     

广义经验分布函数及其性质

本文将经验分布函数推广到更为一般的形式,称为广义经验分布函数。虽然广义经验分布函数已不再具有用频率估计概率的性质,但作为未知总体分布函数的估计量,它仍具有许多良好的渐近性质。本文还讨论了它的小样本性质和Ｂｏｏｔｓｔｒａｐ逼近的相合性。     

回归函数及其导数非参数估计的强一致收敛速度

本文研究了回归函数及其导数的非参数估计.对随机与固定设计的回归函数,分别利用核估计和非参数加权估计,在核函数及权函数满足一条件下,本文证明了估计一致强收敛于待估函数的速度可达到最优.从而进一步推广和发展了Hardle(1988)、Severini,etal.(1992)的许多结果.     

对称熵损失函数下的一个可容许性定理的证明

指数分布的尺度参数在对称熵损失函数下的最小风险同变估计（MRE）的形式为，本文根据Brown引理征明了此估计量是可容许的。     

熵损失下逆高斯分布参数倒数的Bayes估计

在熵损失函数下研究逆高斯分布参数倒数的Bayes估计并且讨论了多层Rayes估计并证明该参数的Bayes估计是可容许的．     

变系数EV模型系数参数的一步核估计

利用核函数法和广义最小二乘法给出了一般变系数EV模型系数参数的估计,得到了估计的强相合性.模拟计算表明估计的效果优良.     

加权平方损失下一类指数分布族刻度参数的估计

对一类刻度指数分布族c(x,n)θ~(-y)e~[-T(x)/θ],利用加权平方损失函数L(θ,δ=(δ/θ-1)~2研究了刻度参数θ的最小风险同变估计.经由Bayes估计给出了最小风险同变估计的精确形式,并讨论了它的最小最大性,最后应用积分变换定理证明了θ的Bayes估计具有不变性.     

协方差矩阵结构的广义近似最大似然估计

针对相关复合高斯杂波背景下相邻杂波纹理分量可能相同的情况,将杂波均匀分组进行推广,结合归一化采样协方差矩阵估计,提出了广义杂波分组的归一化采样协方差矩阵估计方法(generalized normalized sample covariance matrix, GNSCM). 利用最大似然估计方法,进一步推导了广义杂波分组背景下协方差矩阵结构最大似然估计的迭代过程,以GNSCM 为初始化矩阵进行迭代,得到协方差矩阵结构的广义近似最大似然(generalized approximate maximum likelihood, GAML) 估计. GAML 是对现有方法近似最大似然(approximate maximum likelihood, AML) 估计和约束迭代杂波分组估计(constrained recursive clutter-clustered estimator, CRCCE) 的推广,具有更强的杂波适应能力. 仿真结果表明,针对非均匀分组杂波环境,与AML 估计和CRCCE 相比,GAML 具有更高的估计精度,且相应的自适应检测器具有更好的恒虚警率特性和检测性能.     

等式约束广义几何规划的一种优化算法

本文研究带有等式约束的广义几何规划问题,提出了一个基于增广Lagrange函数的新算法．该算法允许初始点任意,在适当条件下可以避免罚因子趋于无穷,并且该算法全局收敛于原问题的K-T点．