Panel数据模型中两步估计的改进

研究只含一个随机效应的Panel数据模型中未知参数的估计问题.在均方误差矩阵意义下,给出了两步估计优于Within估计的一个简单的充分条件.在此基础上改进了两步估计,并给出了改进后估计的协方差矩阵.     

一类新的损失函数下负二项分布模型的Bayes可靠性分析

在一类新的加权平方损失函数下,给出了负二项分布可靠度的Bayes和多层Bayes估计,并利用E Bayes方法给出了负二项分布可靠度的E Bayes估计.针对得到的3种估计,给出了数值模拟,结果表明:E Bayes估计比多层Bayes估计优良.     

双参数指数分布的参数估计(Ⅰ)

本文讨论了双参数指数分布的参数估计和区间估计问题,分别给出参数的最大似然估计,Bayes估计和最优线性无偏估计,并且给出了一致最小方差无偏估计。     

广义岭估计优于LS估计的一个充分条件

本文对线性回归模型给出了其参数β的广州岭估计优于LS估计的一个充分条件,从而把文献中,岭估计优行LS估计的充分条件统一起来。     

三阶Erlang分布参数的Bayes估计及检验

首先给出了三阶Erlang分布在定数截尾场合下参数的极大似然估计;其次给出了在“平均剩余寿命”下的三阶Erlang分布参数的拟矩估计;然后再利用共轭先验分布得到了参数的经验Bayes估计、区间估计和假设检验;最后通过模拟得到一组随机样本并给出了不同截尾样本下参数的点估计和区间估计。     

负二项分布参数的两种区间估计

研究了负二项分布参数的区间估计方法,给出其两种区间估计方法.首先给出负二项分布参数的精确区间估计方法;其次给出大样本近似区间估计方法.最后通过数值例子介绍这些区间估计方法的应用.     

均匀分布U[θ-a,θ+a]中参数θ的估计简

首先给出了均匀分布U[θ-a,θ＋a]中参数θ的四种点估计量;然后引入了矩估计、最大似然估计,分别计算其期望、方差,来判断四种估计量的无偏性、相合性及有效性;最后,给出了参数θ的区间估计.     

混合系数线性模型参数的岭估计

在连续测量数据情况下,针对模型的复共线性,给出了混合系数线性模型参数的两种岭估计,讨论了岭估计的相关性质,并证明了在均方误差意义下,通过选取适当参数,岭估计可优于最小二乘估计,最后讨论了岭估计的可容许性并给出了岭参数的选取方法。最终得到了岭参数的最优估计。     

混合系数线性模型参数的一类有偏估计

在连续测量数据的情况下,针对模型的复共线性,本文给出了混合系数线性模型参数的一类有偏估计,称之为s-K-B估计。在一定条件下证明了这类估计分别优于岭估计,Stein估计,s-K估计以及最小二乘估计。     

混合系数线性模型参数的一类有偏估计

在连续测量数据的情况下,针对模型的复共线性,本文给出了混合系数线性模型参数的一类有偏估计,称之为s-K-B估计。在一定条件下证明了这类估计分别优于岭估计,Stein估计,s-K估计以及最小二乘估计。     

q对称熵损失函数下正态总体刻度参数的估计

用参数估计的方法, 研究均值为0的正态分布中刻度参数在q对称熵损失函数下的最小风险同变估计、 Bayes估计和Minimax估计, 并讨论了 ［cT+d］^1/2形式的估计量当0≤c*, d>0; c=c^*, d≥0时是可容许的, 当0*, d=0; c>c^*, d>0时是不可容许的.     

p,q-对称熵损失函数下指数分布的参数估计

用参数估计方法, 研究指数分布的刻度参数在p,q-对称熵损失函数下的最小风险同变估计(MRE)、 Bayes估计和Minimax估计, 并讨论了具有［cT+d］^-1形式的估计量当0≤c*, d>0; c=c^*, d>0时是可容许的, 当c<0或 d<0; 0*且d=0; c>c^*且d>0时是不可容许的.     

一种基于定尺度小波变换的频率估计算法

通过改变尺度实现频率扫描是基于小波变换的频率估计算法的惯常做法。由于小波参数的确定缺乏具体明确的方法,这种做法在实际应用中很难达到其算法的理论最佳性能。针对这一问题,首先通过详细推导组合复Morlet小波变换与待分析信号傅里叶变换的关系,提出了一种基于定尺度小波变换的频率估计算法;然后讨论了控制频谱混叠、保证估计精度及分辨能力的参数设置问题,提出了一种简单易行的设置方法。仿真分析表明,该方法进行频率估计在混叠对抗及噪声抑制方面具有比FFT算法明显更优的性能,且适用于短数据信号。     

一种长宽比自适应变化的目标尺度估计算法

针对视觉跟踪中由于尺度变化、遮挡等复杂场景造成的跟踪失败问题,提出一种尺度长宽比自适应变化的目标尺度估计算法.该算法采用35×35个尺度因子来实现对目标的长宽比估计,为了降低运算量,通过分层尺度估计对二维尺度采样因子进行选择,既确定了目标的最佳尺度,又提高了算法的运行速度;为了进一步提高跟踪算法的鲁棒性,使用相邻两帧之间响应向量的欧式距离作为评判模板是否更新的标准.将尺度估计和模板更新模块引入到目前3种性能出色的相关滤波算法DSST、HCF和OSA中,进行仿真验证.实验结果表明,与原始算法相比,引入模块的新算法在跟踪成功率和精度上均有显著提高,在OTB100数据集上,成功率与3种原始算法相比,分别提高了1.3％、1.4％ 和1.4％,精度分别提高了1.2％、1.3％ 和1.0％,尤其在尺度变化、目标遮挡等复杂场景下具有明显的优势.     

一种加权对称损失函数下Rayleigh分布尺度参数倒数的Bayes估计

首先给出了在加权对称损失函数下Rayleigh分布尺度参数的Bayes估计的一般形式.然后在给出先验分布的条件下,给出了Bayes估计的精确形式.最后证明了此Bayes估计的可容许性.     

基于变分贝叶斯估计方法的双尺度自适应Kalman滤波

针对Kalman滤波在对敌目标估计应用中遇到的量测和过程噪声均未知且时变的情况,提出了一种利用变分贝叶斯估计的双尺度自适应滤波方法。解决了2个关键问题：一是针对量测和过程噪声协方差的共轭后验分布提出了相对转移概率指标,设计了启发式的自适应噪声估计窗口,实现了稳态精度和时变响应性能的综合提升,能适应敌方目标机动性高且统计特性变化快的特点;二是设计了在不同时间尺度上估计过程噪声和量测噪声的协方差方法,解决了在同一时间尺度上使协方差估计值发生严重偏差且增大滤波误差的问题。仿真表明,所提方法能快速跟踪目标状态噪声统计特性的变化并保证估计精度。     

刻度平方误差损失下二项分布无失效数据的可靠性分析

研究在刻度平方误差损失函数下,二项分布无失效数据的可靠度的Bayes估计及其可容许性,并给出了可靠度的多层Bayes估计的表达式.     

引入地形特征的田块尺度玉米遥感估产与空间格局分析

田块尺度作物估产引入地形特征提升精度与产量空间格局分析对规模经营具有重要意义。以黑龙江省规模化种植的春玉米为研究对象,测定无人机(unmanned aerial vehicle, UAV)高精度地形与变量测产数据,基于多时期SPOT-6影像提取7种植被指数;采用最小二乘法,构建不同时期植被指数与春玉米实测产量的经验统计模型,确定遥感估产最佳时期和最优植被指数;提取6种地形因子,使用多元逐步回归评价引入地形因子的遥感估产模型,应用空间统计分析探索产量空间分布格局。结果表明:春玉米灌浆期是遥感估产的最佳时期,决定系数R~2达到0.6以上的植被指数共6种,比值植被指数(ratio vegetation index, RVI)为最优植被指数,其余依次为修正比值植被指数(modified simple ratio, MSR)、无蓝色波段增强型植被指数(enhanced vegetation index without a blue band, EVI2)、归一化植被指数(normalized difference vegetation index, NDVI)、次生修正土壤调节植被指数(modified secondary soil adjusted vegetation index, MSAVI2)、绿度归一化植被指数(green normalized difference vegetation index, GNDVI);最佳估产模型引入地形辅助信息后R~2提升5.6%,达到0.79,均方根误差(root mean squared error, RMSE)为347.03 kg/hm~2;高海拔与高坡度区域产量均值最低为7 502.64 kg/hm~2,中海拔与低坡度区域产量均值最高为9 157.63 kg/hm~2。优化后的遥感估产模型可以快速评估作物产量,确定春玉米最佳生长区域,为规模化农业精细管理、土地整治与作物种植结构调整提供科学依据。     

基于噪声灰度差估计三维显微图像超分辨率复原

提出了基于噪声灰度差估计的图像复原方法.在带斑点图像复原的过程中,用不同方向的均匀算子与图像进行卷积,再与原图像相减,取灰度差最小值构成噪声灰度差估计图.由此图获得斑点的强度和位置,进而对斑点进行邻域平均处理以保证复原效果.测试结果表明,噪声灰度差估计能够准确反映图像斑点的强度和位置定位,并且运算量小.该方法应用于三维显微图像复原的结果表明,斑点亮度得到有效控制,小斑点被去除,获得了良好的超分辨率复原效果.