一类特殊损失下预测问题的PMC准则

将估计问题中的PMC准则运用到随机变量的预测问题中。在一类特殊损失下证明了中位数无偏预测量为某一给定预测量集合中的Pitman-closest预测量。     

预测问题中的PMC准则

将估计问题中的PMC准则应用到预测问题中.在非对称Lienx损失函数下,证明了中位数无偏预测量是某一给定的预测量集合中的Pitman closest预测量,并给出了具体的实例.     

Pitman准则下指数分布刻度参数幂的定数截尾估计

在Pitman准则下，得到指数分布刻度参数K（K≠0）次幂的定数截尾的最优估计．     

中值定理中值点的渐进性

给出了拉格朗日微分中值定理和第一积分中值定理中值点的渐进性的更一般性的结果及其简洁证明.     

复生长曲线模型中参数的无偏似然比检验准则

讨论了复生长曲线模型中尺度参数∑和位置参数ξ的检验问题．设原假设为①H1：∑=Ip（Ip为P阶单位阵）;②H2：∑=Ip且ξ：0（0为q×m阶零矩阵）;③H3：∑=σ2Ip（σ2〉0且未知）．证明了当A为分块对角矩阵时,相应于备择假设Ai≠Hi（i=1,2,3）检验原假设Hi的似然比检验是无偏的．     

自适应定向加权中值滤波

提出了自适应定向加权中值(ADWM)滤波的算法. ADWM滤 波是结合定向滤波与加权中值滤波的思想而构造的滤波模型, 是一种高度非线性的图像平滑 和增强技术. 运用移动窗口方差和基方差使ADWM滤波获得了自适应性. ADWM滤波器既有定向 滤波器的特征, 也有中心加权中值滤波器的特征. 定向滤波器可以有效保持边缘, 而中心加 权中值滤波器对减少随机噪声尤其有效, 同时也能在一定程度上减少冲击噪声的数量, 并根 据子窗口内像素的最低方差自适应地调整中心像素的权值以保持图像的细节.     

图象细节保持中值滤波

本文提出了一种消除随机脉冲干扰的新方法,与传统中值滤波相比较,新方法具有良好的保护图象细节边缘的性能。     

一种基于中值滤波和小波变换的图像去噪算法研究

针对同时含有脉冲噪声和高斯噪声的混合含噪图像特点,结合自适应中值滤波和小波变换的阈值滤波的各自优点,提出了一种基于中值滤波和小波变换阈值去噪相结合的图像去噪方法,即先对图像进行自适应中值滤波去除脉冲噪声,然后利用小波变换去除剩余的高斯噪声.实验表明:该方法能在有效去除混合噪声的同时,较好地保持边缘和细节信息.     

刻度平方误差损失下巴斯卡分布参数的Bayes估计

研究在刻度平方误差损失函数下,巴斯卡分布可靠度的Bayes估计及其可容许性,并给出了Bayes置信下限以及多层Bayes估计的表达式。     

基于记录值的GE分布参数的Bayes和经验Bayes估计

针对来自广义指数(GE)分布的记录值样本,研究了广义指数分布的参数的估计问题.首先给出了参数的最大似然估计;在参数的共轭先验分布为贝塔先验分布,损失函数为平方误差损失和LINEX损失函数情形下,导出了广义指数分布参数的Bayes和经验Bayes估计.最后进行了Monte Carlo数值模拟,对本文提出的几种参数估计进行比较,发现在合适的先验分布条件下Bayes和经验Bayes估计值更加接近参数真实值,因此在适当的先验分布下Bayes估计和经验Bayes 估计较传统的最大似然估计好.     

用拉格朗日中值逼近柯西中值的尝试

在提出柯西定理的等价命题及其几何意义的同时，给出了一个由f(x）及F(x)的拉格朗日中值套缩而成的区间套，并最终在这个区间套内实现了由拉格朗日中值对柯西中值的逼近。