USDBL的双互协方差及双互谱密度

本文计算出了上次对角双线性时序模型的输入序列与输出序列的互协方差函数和双互协方差函数，获得了该模型的互谱密度函数的双互谱密度函数，得到了一些良好的性质。     

USDBL（1，0，1）模型参数矩估计

本文讨论了USDBL（1,0,1）模型的平稳条件,在模型满足平稳条件的情形下研究了该模型的二阶中心矩所满足的差分方程、并由此得出了模型参数的估计公式．最后研究了该模型矩估计的渐进性质．     

非线性再生散度模型的广义变离差检验

研究了非线性再生散度模型的广义变离差检验,对于一类常见的正则散度分布族,解决了离差参数的齐性检验问题,得到了检验的似然比统计量和score统计量,并证明了score统计量的渐近χ2性.本文研究的非线性再生散度模型包括了许多常见的统计模型,诸如正态线性和非线性回归模型、广义线性模型和广义非线性模型等;同时,本文结果也适用于某些更复杂的分布,诸如基于极值分布、单纯形分布的非线性模型等.因此本文的结果进一步推广和发展了文献中已有的工作.     

遗传算法及其在遥感线性、非线性模型反演中的应用效果分析

分别以2类常见的遥感模型--线性光谱混合模型和GOMS模型为代表研究了遗传算法在遥感线性和非线性模型反演中的应用效果,并与逐步二次规划法等确定性搜索算法进行了比较.结果表明,遗传算法在线性遥感模型反演中的优势并不明显.而在非线性遥感模型反演中优于确定性搜索算法.这主要是因为对于线性模型来说,一般定义的代价函数为凸函数,大多优化算法可以收敛于全局最优解,相比较而言,遗传算法因其搜索效率低,故优势不明显.而在非线性模型反演中,代价函数的形式比较复杂,可能是非凸的,因此遗传算法的优势得以发挥,这也说明与一般确定性搜索算法相比,遗传算法具有更好的全局收敛性.     

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。     

Nonparametric Regression Combining Linear Structure

Nonparametric models are popular owing to their flexibility in model building and optimality in estimation. However nonparametric models have the curse of dimensionality and do not use any of the prior information. How to sufficiently mine structure information hidden in the data is still a challenging issue in model building. In this paper, we propose a parametric family of estimators which allows for penalizing deviation from linear structure. The new estimator can automatically capture the linear information underlying regressions function to avoid the curse of dimensionality and offers a smooth choice between the full nonparametric models and parametric models. Besides, the new estimator is the linear estimator when the model has linear structure,and it is the local linear estimator when the model has no linear structure. Compared with the complete nonparametric models, our estimator has smaller bias due to using linear structure information of the data. The new estimator is useful in higher dimensions; the usual nonparametric methods have the curse of dimensionality.Based on the projection framework, the theoretical results give the structure of the new estimator and simulation studies demonstrate the advantages of the new approach.     

非齐次线性系统状态的收敛性质

用泛函分析方法讨论了(连续时间/离散时间)非齐次线性系统的收敛性质,该结果可用于处理经济控制论中的许多宏微观经济的线性系统模型,因此具有一定的实际意义。另外,针对带有锥有界非齐次项的不确定线性系统,也讨论了其全局渐进稳定性,给出一个有趣结果。     

投影算子在方差分析模型中的应用

本文以线性空间上的投影算子作为工具,来统一地处理各种不同类型的方差分析模型的假设检验问题,这样不仅使书写符号大大简化,还可使问题的结论直观、简单明了。为了避免在方差分析模型中由于设计阵X降秩,而带来不能直接求逆的困难,本文给出了一个寻求子空间V的一个基矩阵的方法,并用投影算子构造了假设检验的F统计量。     

基于不同误差函数的神经网络求解线性方程组

对于同一线性方程,存在多种不同的求解方法,而且由于求解方法的不同,其收敛速度也存在差异.对一个一般的线性方程设计2个不同的误差函数,利用梯度下降法建立2个梯度神经网络模型.借助Matlab仿真软件进行计算机仿真,根据不同的梯度神经网络模型求出线性方程的解,从而证实2个梯度神经网络模型的可行性.最后借助Matlab软件模拟利用2个梯度神经网络模型求解线性方程时的收敛情况,比较2个梯度神经网络求解线性方程的收敛速度.