NA样本情形连续型线性指数分布参数的经验Bayes估计

对连续型线性指数分布在平方损失下导出了参数的Bayes估计，利用同分布负相协（NA）样本构造了经验Bayes（EB）估计量，并在适当的条件下获得（EB）估计的速度．     

指数分布尺度参数的定数截尾估计

本文讨论了在定数截尾样本下指数分布尺度参数的区间估计问题.首先介绍了利用传统方法推求的尺度参数定数截尾估计,然后根据Pitman准则下点估计改进的方法,将尺度参数区间估计做进一步改进,并且证明了改进后的置信区间在置信水平和精确度上都有了改进.     

Ⅱ型删失下Lindley分布的参数估计（英文）

在Ⅱ型删失数据下,讨论了Lindley分布参数的最大似然估计.给出了参数的区间估计和逆矩估计,运用随机模拟的方法对参数进行了统计分析.通过一个例子求出了在不同Ⅱ型删失样本下参数的两种点估计及区间估计,并进行了比较.     

贝叶斯框架下泊松分布参数倒数的估计

在给定的一组泊松样本下,研究了泊松分布参数倒数的贝叶斯估计问题,得到了它的贝叶斯估计的精确形式,并讨论了它的可容许性,最后给出了它的贝叶斯置信下限的表达式以及最大后验区间估计的精确形式．     

高维数据下广义线性模型自适应桥惩罚估计的变量选择

利用对数似然函数和自适应桥惩罚估计方法研究了高维数据下广义线性模型的参数估计和变量选择问题,利用对数似然函数和自适应桥方法构造惩罚估计目标函数,在适当的正则条件下,证明了自适应桥估计量的相合性和Oracle性质,通过数值模拟和实例分析验证了所提方法的有限样本性质及其优良性.     

基于奇异值分解的分类器及在人脸识别中的应用

提出了利用一个人脸样本的奇异值分解构造其所在类别分类器的方法，解决了人脸识别中训练样本少的问题，并给出了利用错归样本更新分类器的方法．实验表明每类仅有一个训练样本就可以得到满意的识别率，并且仅利用一个错归样本更新分类器还可以使识别率进一步提高．     

具有区间数的粗糙神经网络故障认定方法

针对具有区间数的信息系统．提出用粗糙神经网络求解其问题的方法．给出了粗糙神经网络的拓朴结构和学习算法以及粗糙神经网络的逼近定理．最后以歼击机的操纵面故障认定为例，构造了歼击机故障认定的粗糙神经网络．并通过仿真说明了方法的可行性和有效性．     

总体参数假设检验的研究性教学——以非正态总体为例

非正态总体参数的假设检验是数理统计中的一个难点问题，其处理方法灵活多变，技巧性强，教师难于讲授，学生难于掌握．系统研究了在处理非正态总体参数假设检验时检验统计量的构造问题，给出几种常用的构造方法．通过实例展示了使用这些方法构造检验统计量的思路和技巧，使学生便于理解和掌握．所给的处理方法和技巧具有一定的方法论意义，在数理统计研究性教学中值得推广使用．     

带有误差线性协变量的半参数变系数部分线性模型的协变量选择

考虑了一些协变量不被观察到，但辅助变量可用时的半参数变系数部分线性模型 提出了基于SCAD惩罚的参数分量的变量选择方法，且估计既有渐近正态性又有先知性 模拟研究说明了所提出变量选择方法的有限样本性质     

有限元后验误差估计的有效性分析

本文利用第二类方法──局部求解法，对一般区域和正规网格上高次三角形元和矩形元，构造并分析了一种等价后验误差估计量．同时，给出了等价上、下界的计算公式和估计式．分析结果表明：上、下界强烈依赖于网格的几何特性，而与原方程解的光滑性关系较弱．     

一种对称损失下Poisson分布参数倒数的Bayes估计

本文对给定容量为n的一个Poisson样本X1，X2，…，Xn，在对称损失函数下，研究了Poisson分布参数倒数的Bayes估计，并证明了这一估计是可容许的．     

一种Karl-Pearson变异系数的Bayes估计

本文在给定的Poisson样本X1,X2,…,Xn下,研究了Poisson分布变异系数θ的Bayes估计问题,在p,q对称损失函数L(θ,δ)=(θ/δ)p+(δ/θ)q-2 (p,q∈Z+),得到了θ的Bayes估计的精确形式并讨论了它的可容许性,最后研究了θ的最大后验区间估计.     

特殊阵列的二维到达角方向估计

在特殊均匀线阵的基础上,提出一种二维DOA估计新方法,利用参考阵列的旋转不变性构造整个虚拟阵列的旋转不变性,采用横向和纵向双重扩展提高了阵列的扩展性能,并实现四阶累积量矩阵的无冗余数据处理. 新方法只需计算两个四阶累积量矩阵就可获得信号子空间的估计,进而利用二维ESPRIT方法求得最终的解. 理论分析和仿真实验表明,该算法计算量低,阵列扩展能力强,估计精度高,具有一定的实用性.     

基于一种二维ESPRIT算法的ISAR超分辨成像

应用ESPRIT算法能很好地提高逆合成孔径雷达(ISAR)的成像分辨率,但是传统的ESPRIT算法是一种一维估计方法,因此本文通过构造一个特殊阵元阵列,引入一种二维ESPRIT算法,并且使用了空间平滑技术,试验证明这种方法计算量低、分辨率高、估计方差小等优点。     

自回归模型参数的最小二乘估计

利用约束规划及计算数学理论,讨论自回归模型参数的精确估计方法,给出求解参数的方法,计算量约为O（N）个运算量。此估计与原来的损失样本信息条件下的最小二乘估计法求解的工作量O（N）基本等价,因此是一个可行的精确估计方法。     

应用循环平稳特性的宽带信号DOA估计

针对循环平稳宽带信号DOA估计问题,结合信号的循环平稳特性和共轭循环平稳特性,采用子空间分解方法研究宽带信号DOA估计方法. 该方法同时利用宽带信号循环平稳和共轭循环平稳两方面信息构造出扩展循环相关矩阵,采用常规方法得到宽带信号的方位谱,继承了Cyclic MUSIC算法的优点,当处理宽带信号源时不需要估计最佳延时时间. 仿真结果表明该方法具有良好的宽带信号选择能力和分辨能力,能抑制大功率干扰信号,估计性能较好.     

带有误差线性协变量的半参数变系数部分线性模型的协变量选择

考虑了一些协变量不被观察到,但辅助变量可用时的半参数变系数部分线性模型. 提出了基于SCAD惩罚的参数分量的变量选择方法,且估计既有渐近正态性又有先知性. 模拟研究说明了所提出变量选择方法的有限样本性质.     

声矢量传感器阵列的实值Root-MUSIC算法

为提高矢量传感器阵列的波达方向(DOA)估计精度和减少运算量,提出了基于矢量传感器阵列的实值化求根MUSIC算法。该算法计算量远远小于矢量传感器阵列的MUSIC算法和RootMUSIC算法。通过阵列信号的空间谱,选择合适的引导方位向量。对阵列协方差矩阵进行实值化重构与特征分解,构造蕴含信号源方位信息的多项式,再将阵列的DOA估计转化为多项式的求根问题。仿真实验与相同阵列孔径的声压传感器阵列的对比实验表明,该算法在低信噪比、小快拍数情况下具有更好的估计性能。通过湖试试验验证了该算法具有较强的工程实用性。     

L1交叉核实最近邻估计的渐近性质

考虑非参数回归模型Ｙｊ＝ｇ（ｘｉ）＋ｅｉ，ｉ≥１，其中ｇ（．）是待估计的光滑函数，｛ｘｉ，ｉ≥１｝是区间「０，１」上的非随机的设计点｛ｅｉ，ｉ≥｝是ｉ，ｉ，ｄ，随机变量，本文研究最近邻估计。     

模糊时间序列预测的连续点逆模糊数预测模型

在Chen,Hong和Tseng提出的模型基础上,提出了模糊时间序列预测的连续点逆模糊数预测模型,并构造了新的算法和公式。主要体现在论域的选择、小区间数字特征代表的选择和预测公式的构造等方面。将其应用于广西大学1997~2012年招收学生的历史数据模拟预测问题的研究中,结果表明平均预测误差率非常小。