纵向数据中伪似然方程的根的相合性

研究了伪似然方程的根的渐近存在性和相合性大样本性质．伪似然方程是研究纵向数据的一种方法，它是广义估计方程（GEE）的一种推广，用适当的矩阵去估计相关阵，这也是研究意义所在．自从Shao（1999）定义伪似然方程以来，其大样本性质也不断完善．本文证明了在一定条件下伪似然方程的根的渐近存在性及相合性．     

关于一维模糊随机变量的极大似然估计方法

研究一维模糊随机变量情形总体未知参数的极大似然估计的两种方法——扩张原理法与随机集的可积选择法．在模糊观测条件下,定义了Kwakernaak-Knrse-Meyer型模糊随机变量情形的模糊参数的极大似然估计量及Puff-Ralescu型变量情形的模糊参数的边缘极大似然估计量．得到了它们的存在条件,一致性条件及其相关性质．     

舍入数据的统计性质

经验似然是近年来非常重要的一种非参数统计方法,在经验似然基础上发展起来的经验欧氏似然,不仅具有与经验似然完全类似的优点和大样本性质,而且更重要的是计算更简单,表达更直观,更容易理解.该文用经验欧氏似然的方法研究舍入数据,论证了相应的大样本性质.     

比值居民地指数在城镇信息提取中的应用

TM图像中由于裸地与城镇光谱特征相似,利用传统的分类方法难以区分二者,城镇提取精度很难令人满意针对这一问题,本文提出了一种新的方法即比值居民地指数（RRI）法用于城镇信息提取,同时与最大似然监督分类法作对比,研究结果表明,RRI法（精度达87.50％）优于最大似然分类法（精度为78．13％）,是一种提取城镇居民地信息的理想方法,尤其适合裸地较多的干旱半干旱地区．     

对数正态分布参数的精确估计及其应用

分析了两参数对数正态分布均值四种常见的估计方法．其中Gunnar Taraldsen提出的修正极大似然估计优于其他三种估计。在此基础上讨论了总体优阶原点矩和优阶中心矩以及峰度的修正极大似然估计,而且提出总体的中位数、众位数和偏度不存在修正的极大似然估计。并用Mathematica4．0对上海股票市场的大盘日成交量进行仿真分析,结果表明与理论推导完全一致。     

基于完美抽样的最大似然方位估计方法

为了解决最大似然估计计算量大的问题,将马尔可夫蒙特卡罗方法与最大似然方位估计相结合,提出一种基于完美抽样的最大似然方位估计新方法.研究结果表明,该方法不但保持了原最大似然方位估计方法的优越性能,而且大大减小了计算量,把原方法的计算复杂度从O(LK)减少到O(K×J×Np).     

非参数似然方法及其应用研究进展

非参数似然方法是在参数似然方法基础上发展的一种非参数方法,具有与传统似然方法类似的许多优良性质,特别是其中的经验似然方法,得到许多学者的重视和研究,是目前统计学的一个重要研究方向。本文在介绍非参数似然方法相关思想基础上,结合团队研究工作,主要从估计、检验和复杂数据应用等方面分别对其研究进展进行较系统地综述,分析相关研究思路和研究内容,给出一些主要结论和研究的侧重点。     

基于神经网络的最大似然空间信号参数估计

本文主要研究了用Hopfield神经网络实时实现最大似然多信号源空间参数估计方法。报传统最大似然信号参数估计的理论和Hopfield连续状态神经网络特性后，给出了一种实现最大似然空间参数估计模型，该神经网络模型的模拟实验结果表明，用Hopfield网络实时实现的信号参数估计方法具有与传统的最大似然参数估计法拥有同样的理论分析结果。     

具有特大值系列的一种混合极大似然参数估计方法

对具有特大值的系列提出一种混合极大似然参数估计方法。通过统计试验将该方法与以往常用的方法相比较，说明了该方法精度较高且具有很大的适用性．     

双基阵纯方位目标跟踪的抗野值算法研究

本对方位测量野值存在的不同原因进行了分析，以提高目标参数估计性能的鲁棒性为目的，提出了2种基于批处理技术的双基阵抗野值算法，分别是修正的最大似然估计法和特征值法．并说明了特征值法和最大似然估计法一样，它也是一种无偏估计器．蒙特卡洛仿真结果表明，运用这2种算法得到的位置和速度均方根误差跟踪曲线显示了很好的野值抑制能力，并且修正的最大似然估计方法的抗野值能力要优于特征值方法，为工程应用提供了参考．     

基于似然深度的指数分布的参数估计

针对传统估计方法如极大似然估计对于服从指数分布且有污染的截尾数据的参数估计并不是很理想的问题,提出使用一种新的估计方法对其进行参数估计,即似然深度估计,并通过两组实验进行对比,结果显示利用似然深度估计方法得到的参数偏差和均方差较小,表明似然深度估计是一种估计服从指数分布且有污染的截尾数据参数的有效方法。     

广义线性模型中基于拟似然的变量选择方法

变量选择是建立广义线性模型的基础．为了选择变量,本文提出了一种惩罚拟似然方法．这种方法不需要知道数据的分布,而只要求知道数据的一二阶矩．在统计推断过程中,此方法同时进行变量选择和参数估计,得到估计具有Oracle性质,并是渐近有效的．同时,本文定义了一种后验拟似然,于是,选择变量的过程就是一个比较拟后验密度的过程．特别的,对于线性模型,比较拟后验密度就等价于比较惩罚残差平方和．     

极大似然估计的几种求法

极大似然估计是参数估计的一种常用方法.本文探讨了极大似然估计的三种求法,并举例说明了这些方法在解决实际问题中的应用.     

再论Gumbel分布参数估计及在水位资料分析中应用

利用某条河流3个水位观测站的历年最高水位资料,分别用极大似然法、矩法及最小二乘法对GLmbel分布中的参数进行了估计．探讨了3种估计方法的统计性质,并给出了这条河流3个观测站若干年一遇的最高水位曲线．极大似然法给出的估计量在很多方面都具有较好的且稳定的表现．     

二元极值分布参数的最大似然估计与分步估计

考虑二元极值分布参数的最大似然估计与分步估计的渐近协方差阵，得到分步估计关于最大似然估计的渐近效率，表明分步估计是一种实用的方法。     

卫星遥感图像的神经网络自动识别分类

介绍了神经网络卫星遥感图像自动识别分类的方法,并与最大似然法分类结果进行了比较,计算机实验结果表明,神经网络分类的精度和速度优于最大似然法分类．     

非参数回归函数的经验似然置信区间

经验似然是由Owen引入的一种非参数推断方法，主要讨论了相依样本下非参数回归函数的经验似然置信区间。     

Cox比例风险模型中的校正经验似然方法

提出了一种校正经验似然方法来构造Cox比例风险模型中回归系数的置信域.该方法通过Monte Carlo模拟与基于极大偏似然估计的正态逼近的方法相比较.另外,也用该方法分析了一组急性粒细胞性白血病的临床数据.     

稳健经验似然估计方法

在经验似然方法的基础上提出了一种稳健的经验似然估计方法,在约束条件的估计方程中使用权重函数以及有界得分来限制异常点的影响。通过数值模拟研究该方法的稳健性。模拟结果表明,相比普通的经验似然估计,提出的稳健经验似然方法在数据中存在异常值的情况下所得估计的均方误差更小。同时对于非正态的厚尾分布数据,提出的稳健经验似然估计也在均方误差意义下更优。     

新的模糊似然函数

模糊似然函数是刻画两个模糊集之间相似程度的重要工具，众多学者给出了多种形式的计算方法，但由于实际问题的复杂性，有些方法在某些情况下会产生违反直觉的结论．首先就闫德勤在2001年建议的方法进行讨论，然后证明了一个引理，提出一种新的模糊似然函数，其本质是由模糊集合间l^p距离导出的贴近度．与相关公式比较，发现它们能导出相同的模糊熵，最后给出一个它在模式识别中的应用实例．