完全样本下威布尔分布参数的加权最小二乘估计

借助图法估计的思想和次序统计量的性质,给出了完全样本下威布尔分布参数的改进最小二乘估计与加权最小二乘估计.     

有序加权集结算子的赋权方法

对有序加权集结算子中的2个最重要算子（有序加权平均算子和有序加权几何平均算子）的赋权方法进行了研究，利用已知的样本数据以及专家事先对每个样本所给定的偏好集结值，给出了部分权重信息下求解这2种算子的加权向量的线性目标规划模型，通过算例对模型进行了说明，数值结果表明了模型的可行性和有效性。     

线性回归模型中的加权最小二乘估计

给出了线性回归模型中的加权最小二乘估计以及最优权数的选择.     

多元加权约束线性回归的影响分析

讨论了多元加权约束线性回归中最小二乘估计的影响问题 ,定义了度量影响的 3种诊断统计量 ,进一步推广和发展了已有文献的一些结果     

加权最小二乘估计中选择权数的迭代算法

介绍了加权最小二乘估计的性质及其常见权数选择的方法,并给出评判一个好的二乘估计的标准,由此提出选择权数的迭代算法.     

加权最小二乘估计的影响探测

本文对加权最小二乘估计的影响分析进行了研究,得到了一组数据对加权最小二乘估计的影响的度量准则,简便计算公式及其统计解释。     

电力负荷预测线性相关方程的最佳权重加权最小二乘法

针对电力系统负荷预测的一元线性回归模型，提出了基于加权最小二乘法建立相关方程的最佳权重法，与传统的最小二乘回归法相比较，该方法综合考虑x及y方向误差确定相关方程，所求相关方程不会因坐标系的选取而改变，结果较为客观，可作为电力负荷预测的一种新的补充方法。     

稳健加权整体最小二乘法在GPS高程拟合中的应用

由于GPS测量技术获取的大地高与国家采用的正常高之间存在高程异常的问题,为此,通常采用高程拟合的方式进行高程异常的计算,从而将大地高转换为正常高。针对采用加权整体最小二乘法估计GPS高程拟合中的多项式系数时,并没有考虑到观测数据中可能存在粗差的情况。采用稳健加权整体最小二乘法求解GPS高程平面拟合参数,并与最小二乘法、加权整体最小二乘法和稳健最小二乘法的结果进行对比,结果表明稳健加权整体最小二乘法的平面拟合结果最优。     

基于数据点重要性差异的最小二乘加权法

普通最小二乘法将所有的数据点对预测值（控制值）的影响作用等同看待。实际不应该如此，数据点的相互联系是有所区别的。以时间序列数据来说，近期的数据点往往更能说明待预测值，而远离预测期的早期数据点关联作用较小。基于这种看法，这里提出了最小二采加权法，对不同的数据点在离差平方和算式Q中给予不同的权数，推导出参数估计的公式；提出了最小二乘加权法权重设置的机理，并就时间序列数据提出指数权重法。     

基于隐式训练和加权最小二乘的迭代信道估计

用隐式训练即在发送端将周期非随机序列直接迭加到数据序列上的方式,在接收端同时利用接收序列的一、二阶统计特性,得到一种新的针对FIR时不变或慢变信道的迭代信道估计算法.改进算法的估计误差小于使用一阶统计特性算法的估计误差,同时接收信号中随机部分的自相关矩阵的正定特性决定了迭代的鲁棒性.仿真结果表明:选用适当的迭代初值,可使迭代信道估计算法快速收敛,且MSE性能优于只利用一阶统计特性的算法.同时给出了发送功率恒定情况下,采用该方法时的BER性能.     

诱导有序加权平均的组合预测模型及其应用

有序加权平均算子是近年来发展的在许多领域有着广泛应用的信息融合方法.本文引进诱导有序加权平均算子的概念,并探讨了它的一些性质,然后建立诱导有序加权平均新的组合预测模型,最后给出其在股票价格预测中的应用研究,实例分析结果表明了该方法的有效性.     

基于人工免疫有序聚类的视频关键帧提取方法

针对现有的基于无监督聚类的视频关键帧提取方法没有考虑镜头内容的时序性、对初始类的划分较敏感、易陷入局部最优等问题,提出了一种新的基于人工免疫的有序样本聚类算法.在传统人工免疫聚类算法的基础上引入了抗原记忆识别机制及改进了抗体的克隆与超变异机制,并在此基础上给出了基于人工免疫有序聚类的视频关键帧提取方法.该方法将镜头帧序列看成一个入侵机体的抗原序列,然后基于首次应答与再次应答机制依次为每个抗原产生记忆细胞池,最终每个记忆细胞池能识别的邻近抗原对应一个类别并选取距其类中心最近的帧为关键帧.对大量不同类型的视频进行了试验.结果表明,该方法能得到较高的保真度和压缩率,能够十分有效地提取出反映镜头内容变化的关键帧.     

4种诱导有序加权平均模型的构建

诱导有序加权平均算子是一种新的信息集结算子,用途非常广泛．基于诱导有序加权平均算子构建了4种组合预测模型．实例表明这种模型能有效地提高预测精度．     

经济周期的有序样本最优分割算法及实证研究

经济周期的阶段划分属于聚类问题中特殊的类型,需要对有序的时间序列样本进行分割,而经济周期的有序阶段划分则是研究经济周期相关问题的基础工作。文中构建以国内生产总值（gross domestic product, GDP）和居民消费价格指数（consumer price index, CPI）为基础数据的经济发展指标向量,提出针对经济周期阶段划分的有序样本最优分割算法,并分别选取美国1948年第三季度至2008年第二季度和日本1971年第三季度至2008年第二季度的数据为样本,动态分析算法的精度趋势和最优分割效果,为经济周期的阶段划分提供一种高效、简洁的算法。     

诱导有序加权平均算子在城市公共交通预测中的应用

有序加权平均算子是近年来发展起来的,并在许多领域有着广泛的应用.本文通过引进诱导有序加权平均算子(IOWA),介绍并建立了组合预测模型,最后给出IOWA在城市公共交通预测中的应用,并结合实例分析结果表明了模型的有效性.     

NA样本下双边截断型分布族参数的EB估计

目的在NA样本下研究双边截断型分布族参数的经验Bayes(EB)估计。方法对密度函数采用核估计的方法构造了参数的EB估计。结果在加权平方损失函数下,获得了该估计的收敛速度。结论在适当的条件下,NA样本双边截断型分布族参数的EB估计的收敛速度任意接近O(n-1/2)。     

组合预测方法中权系数的应用研究

针对组合预测方法中权系数的确定问题,提出两种组合预测方法。一种是引入误差评价公式来确定权系数的固定权系数组合预测方法;一种是基于神经网络的误差倒数变权组合预测方法。通过实例分析说明了两种方法的可行性,且结果表明方法比单模型方法预测和传统组合预测方法具有更高的拟合精度。     

加权线性回归及其应用

介绍权的定义、权的性质、协因数传播律,讨论加权回归的本质以及加权回归法在幂函数、指数函数、双曲函数、S型曲线4种拟线性回归模型中的应用.     

反对称正交反对称矩阵反问题的加权最小二乘解

主要讨论了矩阵方程A^TXA=B的反对称正交反对称最小二乘解,得到了解的一般表达式,并且文章对于任意给定的矩阵X^＊,在最小二乘解集中得到了A的最佳逼近解.