密度核估计中对MSE与MISE的渐近性态研究

对于n维随机变量在给定权函数的条件下，利用密度核估计值分析了MSE（mean square error）与MISE（mean integrate square error）的渐近比较结果，研究了局部和全局的估计^∧fn与理论值f的接近程度，并给出了最优收敛速度和理想窗宽选择，最后得出了^∧fn的渐近优越性。     

密度核估计中窗宽选择的一种新方法

提出了密度核估计中窗宽选择的一种新方法,并通过选取适当的核函数,推导出决定窗宽选择的数学表达式,最后在均方误差(MSE)意义下,通过与交叉验证法(cross-validation)进行比较,说明在未知总体分布的情形下,用此方法选择最优窗宽是很有效的一个途径.     

随机窗宽下经验若当变换的收敛速度

给出了随机窗宽下的核型经验若当变换，在一空条件下，获得了此经验若当变换中心在原点的一致精确强收敛速度以及对中心一致的一致强收敛速度，所得结果与最优性与非随机窗宽下的核型经验若当变换一致，并以近邻核型经验若当变换为典型实例。     

回归函数改良核估计的收敛速度

回归函数的核估计在通常情况下需要核函数具有有界支撑 ,随机变量Y要求具有l阶矩 ,其中l>1。在核函数改进为包括无界支撑甚至不可积 ,并且去掉了对Y的矩的其它要求的情形下 ,讨论了回归函数改良核估计在完全样本及在删失样本情形下的收敛速度 ,得出了与原来情形同样的结论 ,推广和改进了文献 [1- 2 ]的相应结果     

基于截断数据分布函数的核估计

讨论了一类截断数据，分析了以往截断数据分布函数估计的主要结果．在此基础上，提出了一个核估计方法，建立了分布函数的核估计量表达式，并在紧支撑等一定条件下，研究了估计量的渐近性质，并分别证明了估计量的强相合性及收敛速度．最后，给出了一个模拟计算的例子．结果显示，这种核估计方法是可行有效的．     

分布自由的密度核估计的强收敛

设（Ｘｎ，ｎ≥１）是Ｒ＾１中的平稳过程，具有公共的未知概率密度函数ｆ（ｘ），本文考察基于前ｎ个观测值Ｘ１，．．．Ｘｎ的ｆ（ｘ）的核估计ｆｎ（ｘ）的核估计ｆｎ（ｘ），在过程是ψ－混合或强混合的情形下，我们证明了ｆｎ（ｘ）的逐点强相合性和一致强相合性，并得到了ｆｎ（ｘ）的强相合性的收敛速度。     

条件密度随机窗宽双重核估计的相合

在统计估计及检验中,有时涉及到基于样本(X_1,Y_1),…,(X_n,Y_n)直接估计未知条件密度f(yx)的不少参数方法,而双重核估计就是较常用的一种.许多学者已讨论了f(yx)的双重核估计量f_n(yx)的相合性及收敛速度,但从应用角度来看,此估计量仍有不便之处.在密度估计的情形,Devroye提出了“自动选择窗宽”核估计的概念,即窗宽完全由样本确定.本文推广这种思想于上述估计量,讨论其一致强相合性,并作为应用,顺便得到其“近邻估计”的强相合性.     

基于卷积算法的离散小波变换IP核设计

该文设计了一种实现多级二维实数小波变换的集成电路IP核，可用于JPEG2000编码器中．采取易于硬件实现的卷积算法，详细分析了该IP核的各个模块和时序，经过EDA软件仿真和综合，并在自行设计的一块FPGA的PCI开发板上进行了验证和性能分析．     

关于回归函数的核估计的渐近正态性

研究了回归函数的核估计的渐近性质。证明了在一定条件下、回归函数的核估计序列是渐近正态的。     

结构关系度量误差模型的参数估计

考虑结构关系度量误差模型的参数的估计问题,对于任何参数空间Ξ,给出模型参数的一种估计方法,并证明这种估计是强相合的。     

线性模型中经验Bayes估计的收敛速度

考虑了线性模型Ｙ＝θ＋ε中参数θ的经验Ｂａｙｅｓ估计问题，在对ε的密度函数的连续可微性给以较一般限制的条件下，构造了θ的渐近最优经验Ｂａｙｅｓ估计并且给出了这个估计的收敛速度。     

数字化仪坐标换算及与主机通讯程序

本文介绍一种数字化仪上图纸和数字化仪之间坐标换算的新方法,利用该方法编制了数字化仪与计算机之间的数据通讯程序,为在数字化仪上进行数据采集提供了方便。     

光滑函数类中一族具大范围收敛的高阶迭代法

本文仅要求函数f(x)∈ C~2(R~1)和f(x)∈C~3(R~1),R~1=(-∞,+∞),就分别建立了大范围收敛的迭代公式族.它们对f(x)的实单零点敛阶分别为2和3,对f(x)的多重实零点收敛阶均是1;当迭代公式中的参数a取特别值2,k/(k-1),1和0时,就分别得到著名的Euler方法,Laguerre方法,徐-Ostrowski平方根法和Halley方法的两种修正格式,它们对f(z)∈C~2(R~1)和f(x)∈C~3(R~1)均分别具大范围收敛性,此外,满足Fourier条件f(x)f~n(x)>0的单调收敛性Newton程序是本文特例.     

岭回归估计均方误差的重要特性及其应用

通过深入分析单参数岭估计β（k）的均方误差MSE（β（k），得到了它的一个重要特性。并把较优均方误差的存在范围由（0,σ∧2/maxa∧2γ）扩大到（0.2σ∧2/maxa∧2γ）；同时，还得到了较优均方误差的另一不可替代的存在范围（0，2σ∧2minλγ/（maxλγα∧2γ-σ∧2）；以及最优均方误差的存在范围[σ∧2/maxα∧2γ，σ∧2/minα∧2γ]，并结合实际问题，给出了岭参数k值选的算法实例。     

线性模型中误差分布的相合核估计

线性模型y_i=x′_iθ+e_i,i=1…n,的误差序列{e_i}_i~n=1有未知密度f(x),本文在一定条件下证明了f(x)的核估计的弱相合性,逐点强相合性,一致强相合性,其中(?)为L.S估计的残差.     

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。     

WOD样本下最近邻密度估计的一致强相合速度

设{X_n,n≥1}是同分布WOD随机序列,具有共同的未知密度函数f(x)。利用WOD序列的Bernstein不等式,在适当的条件下,获得了WOD样本下最近邻密度估计的一致强相合速度。