位置参数的同时估计

在平方损失下，考虑ｐ（ｐ≥３）个位置参数的同时估计，对均匀分布，双指数分布给出了控制通常估计量的改进估计量，推广了Ｓｈｉｎｏｚａｋｉ的主要结果。     

寿命分布中位置参数和尺度参数的区间估计

型分布是可靠性试验中常见的一类寿命分布，其分布参数μ、σ的区间估计，一直是可靠性统计分析关心的问题之一。本文借助次序统计量讨论了μ、σ均未知情况下各自的区间估计，并利用极大似然估计及渐近性讨论了μ、σ近似区间估计。本文方法适用于全样本情况和截尾样本情况。     

基于均值绝对离差的参数估计

针对矩法估计存在不足，文章提出了利用样本均值、样本均值绝对离差作为总体均值、均值绝对离差估计量的思想方法，从而得到了位置参数、尺度参数的估计量。本文最后通过在正态分布中随机抽取样本的方法对矩法估计与均值绝对离差估计的优劣性进行了比较。     

在一类加权平方损失函数下位置参数的同时估计

本文考虑了在一类损失函数下,p个(p≥3)位置参数的同时估计,对均匀分布、双指数分布、t-分布,给出了控制通常估计量的改进估计量。     

位置参数受约束时指数分布的参数估计

考虑了位置参数爱约束时指数分布位置参数与尺度参数的估计问题，分别给出了无约束时位置参数与尺度参数的最佳仿射同变估计的改进估计。     

双参数指数分布尺度参数的区间估计

在位置参数未知的条件下,尺度参数区间估计通常仅依赖于自身的充分统计量,本文根据Pitman准则下点估计改进的方法,将尺度参数区间估计做进一步改进,使得改进后的置信区间又综合了位置参数包含的信息,这样所确定的置信区间在置信水平和精确度上都有了提高.     

线性相关系数的一种稳健形式

相关系数是反应2个随机变量之间线性关系紧密程度的一个量,容易受异常值干扰.提出一种稳健的形式,它在正态分布条件下的性质与相关系数类似,但是抵御异常值远远优于相关系数,具有很好的应用价值.     

参数估计中最小绝对值误差估计器的实现

简要介绍了贝叶斯参数估计的基本原理,并在选择绝对型损失函数的基础上,给出了最小绝对值误差估计器(minimum mean absolute error,简称MMAE)的实现方法.选择1组电阻测量值作为样本,利用Parzen窗法计算出相应的概率密度函数,最后得出了该样本的MMAE估计器.     

多元线性模型回归参数的一种广义估计

采用广义估计 β (K)估计多元线性模型中回归参数 β ,通过K值的选取 ,可使 β (K)的均方误差小于最小二乘估计 β 的均方误差 ,且在一定条件下 ,β (K)为 β的可容许估计 ;还讨论了 β (K)的均方残差的性质 .     

基于梯度的虹膜定位方法

为了提高虹膜定位的速度以及虹膜定位的准确性，依据虹膜图像灰度的分布特性及良好的环状性质，检测出瞳孔边缘以减少参与Hough变换的点数，进而定位虹膜内边缘．对于外边缘定位采用基于灰度梯度的微分积分圆形检测算子的方法．实验结果表明，此种方法能够准确地进行虹膜内外边缘定位，避免了含有大量其它区域对定位带来的影响．     

基于Householder变换的复参数递推最小二乘估计方法

提出了一种基于Householder变换的复参数递推最小二乘参数估计方法.利用基本复Householder变换方法,研究了基于复Householder变换的递推复矩阵上三角化变换算法,针对上三角矩阵增加一行新数据后的复矩阵,提出了按列递推复矩阵上三角化变换算法,并给出了相应的算法证明.算例仿真结果验证了基于复Householder变换的复数最小二乘估计算法的有效性和可靠性.     

正态分布根方差的估计及其应用

用四分位极差的方法估计正态分布的根方差,研究了子样四分位极差及根方差估计的密度函数,并结合实例,说明了四分位极差估计具有稳健性.     

位置与刻度参数模型变点的非参数检验及其渐近性质

讨论位置与刻度参数模型变点的检验问题和检验统计量的渐近正态性。文中通过引入核函数,得到U-统计量,进一步构造参数变点的统计量,利用B row n桥的性质,进行检验并分析检验量的渐近性质。     

基于RFID不同信号特征参数的室内定位方法综述

基于超高频射频识别(RFID)的定位技术,因其标签成本低、可使用无源工作方式,目前在许多实际应用场景中发挥重要作用.为进一步推进基于超高频RFID的室内定位技术,对不同信道特征参数信息的获取及其对应定位模型进行介绍,对不同标签定位处理方法进行探讨,从不同关键技术角度对定位方法进行比较,并总结和展望超高频RFID室内定位技术的未来发展趋势.     

一类相依回归模型参数估计的相对效率

对于一类相依回归系统(1),当设计阵X2呈病态时,[1]中提出了协方差阵已知或未知时,估计量β1^~、β1^~(T)的改进估计分别为β1^~(k)、β1^~(T,k)。讨论这两种有偏估计与它们的协方差改进估计β1^~,β1^~(T)及最小二乘估计A之间的相对效率问题,并给出了相对效率的上界或下界。