指数族非线性随机效应模型的参数估计及其性质

对指数族非线性随机效应模型进行了较详细的讨论，给出了参数估计的方法，证明了参数估计的相合性与渐近正态性，最后人出一个具体实例。     

一维复指数信号模型中参数估计的Jackknife逼近

研究了一维带白噪声复值响应指数信号模型参数估计的Jackknife逼近,构造了其参数的Jackknife估计,证明了刀切估计值的强相合性和渐近无偏性,以及刀切虚拟值的渐近正态性.     

指数族非线性模型MLE的渐近性质

指数族非线性模型包括施工常见的模型，诸如线性与非线性回归模型、广义线性模型等。Ｆａｈｒｍｅｉｒ和Ｋａｕｆｍａｎｎ等研究了广义线性模型ＭＬＥ的渐近性质，本文在类似于他们的正则条件下，证明了指数族非线性模型ＭＬＥ的存在性、弱相合性、强相合性及渐近正态性。从而进一步推广和发展了他们的结果。     

一类双线性模型的参数估计

给出了一个ARCH型一阶双线性模型,利用随机过程的马尔科夫链,研究这种模型的严平稳遍历性和矩的存在性,结果表明这种模型存在唯一的严平稳解,并且这个解是几何遍历的,它的某一阶绝对矩存在. 基于此模型的参数估计, 提出该模型的拟极大似然估计, 运用Amemiya的相关定理, 研究拟极大似然估计的性质. 在一定的条件下, 得到了该拟极大似然估计具有相合性和渐近正态性.     

一类非对称的GARCH模型的参数估计

非对称的GARCH模型的估计一般采用拟极大似然估计,这种估计的相合性及渐近正态性结论已经出现在很多文献中.本文对这种模型提出一种新的估计方法-加权拟极大似估计,在一定条件下证明了非对称的GARCH模型的加权拟极大似然估计的相合性和渐近正态性.     

单指标时间序列模型参数估计

讨论了时间序列模型E(Y︱X)=G(θ^TX)的参数估计.采用核估计方法和平均导数法,在数据为户混合相依的情况下证明了该估计的渐近正态性.     

柯西分布族对数似然方程根的大样本性质

文章针对一类具体的分布族———柯西分布族中参数θ,证明了存在θ的一个强相合且最好渐近正态估计^θ,它以概率1当样本量n充分大时是对数似然方程的根。     

不完全数据下分布函数MLE的大样本性质

在生存分析与可靠性研究中,对既有右删失,又有左删失的不完全数据,Turnbull于1974年给出了分布函数的最大似然估计。在观测数据是以分组形式得到的情形下,本文证明了此估计量的强相合性、渐近正态性和重对数律,并给出了渐近协差阵的矩阵表达式及重对数律中收敛速度的精确上限。     

结构型E-V线性模型中参数估计的若干结果

由于E-V线性模型的复杂性,通常的最小二乘估计等在这种模型中一般不是相合的。本文在结构型简单线性模型中,利用矩方法与秩方法建立了若干估计量,并且论证了这些估计量的相合性与渐近正态性,报告了主要结果。     

一类非线性回归模型在NA样本下的估计问题

考虑固定设计下的非线性回归模型Yni=g(xni) εni，1≤i≤n，当误差为NA序列时，在适当条件下，获得了估计量的r阶平均相合性和渐近正态性。     

递归问题的非递归算法及效率分析

给出了程序设计中两种递归问题的非递归算法实现过程，并与递归算法进行比较，结果表明，非递归算法在时间复杂度与空间复杂度两项指标上均优于递归算法，且不使用系统栈，执行过程不依赖于函数或过程的重复调用，有更大的灵活性，可以应用在程序与软件设计中．     

ICMN中基于单指数模型的路由算法

由于缺乏固定的基础设施维持网络的连通性,ICMN(intermittently connected mobile networks)通常借助单个或多个节点作为中继,实现分组传输,解决ICMN路由问题的关键在于能否找到合理且高效的中继路由策略.为此,提出了基于组合理论中单指数模型的SIMR(single index model-based routing)路由算法,为每一节点计算迁移可测度,并将测度值作为单指数模型的输入参数,最终从邻节点组合中选取最优组合策略.多次仿真实验表明,SIMR算法在阈值可调的区域内,既能兼顾网络开销又能获得较小的平均分组迟和较高的分组到达率.     

分数次积分算子的弱型极限行为

将分别建立当λ→0和λ→+∞时,分数次积分算子的弱型极限行为.具体来说:对于任意的f∈L1(Rn),有下面2个等式成立,limλ→0λ|{x∈R~n:|I_αf|λ}|~((n-α)/n)=v_n~((n-α)/n)‖f‖1,limλ→+∞λ|{x∈R~n:|I_αf|λ}|~((n-α)/n)=0.     

基于显著性的OTSU局部递归分割算法

针对OTSU方法的局限性，提出了一种基于显著性的OTSU局部递归分割算法。该算法的思路是把一次OTSU分割得到的目标区域作为新的图像进行下一次OTSU分割，依次递归下去，直到满足一定条件为止，然后把每次分割得到的目标区域按照一定加权原则累加起来，得到分割结果图像。实验结果表明，在不同的冷背景下，基于显著性的OTSU局部递归分割算法能够稳定地实现目标分割提取，具有较好的鲁棒性。     

递归函数在算法中的应用

在<数据结构>中经常涉及到算法的设计问题,在很多算法的设计中,如采用递归函数来实现,则可使算法清晰易读,算法的正确性也容易得到证明.     

产生k元de Bruijn序列的一个递归算法

通过合并纯轮换移位寄存器状态图中的所有圈,给出了生成k元de Bruijn序列的一个递归算法,不再采用“主圈并一个圈”的经典并圈法,而是利用了“主圈并一组共轭圈”的新方法,减少了选择桥状态的次数;同时,给出了新的选择桥状态的规则,简化了判断一个状态是否是桥状态的计算,从而加快了并圈的速度。     

REESSE Unified Recursive Algorithm for Solving Three Computational Problems

Different from the extended Euclidean algorithm which can compute directly only the multiplicative inverse of an element in Zm^＊ and the greatest common divisor of two integers, a recursive algorithm called REESSE is designed by the authors, which can not only seek directly the multiplicative inverse and the greatest common divisor, but also solve directly a simple congruence for general solutions. This paper presents the definition and the two valuable properties of a simple congruence, analyzes in detail the reduction and recursion process of solving simple congruences, induces the recursive formula for solving simple congruences, and describes formally and implements in C language the recursive algorithm. At last, the paper compares REESSE with the extended Euclidean algorithm in thought, applicability and time complexity.     

Novel recursive inference algorithm for discrete dynamic Bayesian networks

Dynamic Bayesian networks (DBNs) can effectively perform modeling and qualitative reasoning for many dynamic systems. However, most of its inference algorithms involve complicated graphical transformations that are hard to program and time-consuming to compute. This article proposes a new recursive inference algorithm, which is a purely numerical method derived from probability theory and the characteristics of Bayesian networks to do both on-line and off-line inferences in discrete DBNs. The most prominent advantages of this novel approach include: (1) it is an exact inference algorithm, thus its accuracy and stability can be guaranteed, (2) it avoids the complex graphical transformation so as to remarkably improve the inference speed, and (3) its concise recursive formulae facilitate programming of both forwards and backwards pass. All of these issues are verified by accurate mathematical derivation as well as a couple of application examples with comparison between the new algorithm and the two most prevailing inference approaches of discrete DBNs – the interface algorithm and the forwards–backwards algorithm.     

一类有理递归序列的全局行为

1引言 差分方程是数学学科的一个分支,近年来,对差分方程的研究备受关注,尤其是国际差分方程专业期刊的创建更为差分方程的研究提供了专业平台。有理递归序列就是有理差分方程,是差分方程中的一类特殊方程。一直以来,对有理递归序列的研究主要涉及到相关的稳定性理论、有界性理论、振动性理论、渐近性理论、周期性理论和边值问题理论。     

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.