ND样本最近邻密度估计的相合性

利用ND序列的Bernstein不等式, 研究ND样本最近邻密度估计的相合性, 给出了弱相合性、 强相合性的充分条件, 所得结果将最近邻密度估计的相合性推广到ND样本.     

END样本最近邻密度估计的一致强相合速度

利用扩展负相依(END)序列的Bernstein型不等式,研究END样本最近邻密度估计的一致强相合速度,给出了一致强相合性收敛速度的充分条件,并得到了与NA样本相同的一致强相合收敛速度.     

ND样本最近邻密度估计的一致强相合性

设X1,X2,…,Xn是同分布的负相依(ND)样本,具有共同的密度函数f(x),利用相应的Bernstein不等式,将负相关(NA)样本最近邻密度估计的一致强相合性推广到ND样本,得到其最近邻密度估计的一致强相合性.     

WOD样本下最近邻密度估计的一致强相合速度

设{X_n,n≥1}是同分布WOD随机序列,具有共同的未知密度函数f(x)。利用WOD序列的Bernstein不等式,在适当的条件下,获得了WOD样本下最近邻密度估计的一致强相合速度。     

ND样本加权回归函数估计的强相合速度

设{ε_i,1≤i≤n}为ND随机误差序列, 利用ND序列的Bernstein不等式, 在非参数回归模型Y_i=g(x_i)+ε_i(1≤i≤n)下, 研究未知函数g(x)加权核估计g_n(x)的强相合速度,
从而将加权回归函数估计的相合性推广到ND样本.     

LNQD样本最近邻密度估计的相合性

本文在LNQD样本下研究最近邻密度估计的相合性,给出弱相合性、强相合性、一致强相合性以及它们的收敛速度的充分条件,同时研究了失效率函数估计的一致强相合性。     

NQD样本最近邻密度估计的一致强相合速度

设X1,X2,…,Xn是同分布的两两NQD样本,具有相同的密度函数f（x）,利用两两NQD序列的Bernstein型不等式,将负相关（NA）样本的最近邻密度估计的一致强相合速度推广到两两NQD样本,在更弱的条件下,获得了与NA样本情形下相同的结论.     

NSD样本最近邻密度估计的相合性

利用负超可加相依(NSD)序列的Bernstein不等式和Borel-Cantelli引理, 给出NSD样本最近邻密度估计和失效率函数估计的(弱)强相合性、 一致强相合性和(一致)强相合速度.     

NQD样本下非参数回归函数最近邻密度估计的强相合性

本文在样本为平稳的两两NQD的情况下得到了非参数回归函数m(x)的最近邻估计mn(x)的强相合性.在条件不变的情况下获得了与独立情形一样的mn(x)是强相合的充分条件.     

NQD样本下非参数回归函数最近邻密度估计的相合性

在样本为平衡的两两 NQD的情况下得到了非参数回归函数m(x) 的最近邻估计mn(x) 的相合性.得到弱相合的充分条件比在样本序列((xn,yn),n≥1)为平稳-混合情况下得到的mn(x)的弱相合性的充分条件弱.     

非线性半参数模型最小二乘近邻估计

目前对非线性半参数模型的研究尚处于初级阶段,关于非线性半参数模型的计算理论还未见实质性报道.基于非线性半参数模型最小二乘近邻估计,给出了其参数分量和非参数分量估计的构造式,导出了参数分量和非参数分量顾及二次项直接解法的非线性直接解法.基于工程实际中的非线性模型用模拟数据进行计算,证明对于非线性半参数模型最小二乘近邻估计,可采用顾及二次项的直接解法.     

融合相对密度与近邻关系的密度峰值聚类算法

密度峰值聚类算法(density peaks cluster,DPC)是一种基于密度的聚类算法,该算法可以聚类任意形状的类簇.在类簇间有密度差距的数据集上,DPC不能准确地选择聚类中心.DPC的非中心点分配策略会引起连续错误,影响算法的聚类效果.模糊k近邻密度峰值算法(fuzzy k-nearest neighbor DPC,FKNN-DPC)是一种改进的DPC算法,该算法采用边界点检测并结合2步分配策略来避免连续错误.当类簇间有密度差距时,FKNN-DPC的边界点检测效果不理想,此外,其非中心点分配策略缺乏对样本近邻信息的考虑.定义相对密度(relative density)并结合近邻关系(nearest neighbor relationship)提出RN-DPC算法解决上述问题.针对DPC因为类簇间的密度差距而不能准确选择聚类中心的问题,定义相对密度用于消除类簇间的密度差距.基于反向k近邻关系检测边界点并且引入共享最近邻关系来对FKNN-DPC的分配策略进行改进.RN-DPC算法在人工数据集和真实数据集上分别与不同的聚类算法进行了对比,实验结果验证了RN-DPC算法的有效性和合理性.     

删失样本α混合序列递归核密度估计的一致强相合性及速度

在删失数据α混合序列下,用递归核密度估计改进密度函数,的窗宽固定的核密度估计量,并在一定条件下证明改进后的估计量fn的一致强相合性,并给出一致强相合速度;同时也得到与fn相应的风险率函数λ的估计量λn的一致强相合性及一致强相合速度．     

部分线性模型最小二乘估计的强相合性

考虑一类特殊的部分线性模型Y=β ^T₀X+g₀(T)+σ₀(X)ε的估计问题, 给出了最小二乘估计(LSE), 并证明了最小二乘估计的强相合性.     

时空数据库中反向最近邻查询的方法研究

随着无线通讯及连续移动对象寻轨技术的高速发展,迫切需要提出解决大量移动对象查询的有效方法。本文提出了一个解决连续移动点反向最近邻查询的算法,同时也提出了解决连续移动点的最近邻查询算法。     

一种新的基于伪最近邻算法的降水预报方法

分析北京地区日降雨量资料,相较于其他降雨事件,大雨或暴雨事件发生的次数较少,因此该地区的降水量预报属于样本不均衡问题。在样本不平衡的情况下,K最近邻(PNN)算法的分类误差率将会大大提高,这也就使传统的基于K最近邻算法的降水量预报方法的应用受到了限制。针对北京地区降水量预报这一样本不均衡问题,应用伪最近邻算法构建了北京市的降水量预报模型。该方法利用北京地区日降雨量资料和美国国家环境预报中心全球格点资料,将降雨量作为类,将美国国家环境预报中心全球格点资料的各种因子场作为天气样本特征,通过决策规则实现最优分类。利用提出的降水预报模型对北京地区2010年6~8月进行了24 h降水预报,实验结果表明,提出的预报方法对于降水等级预报的预报准确率以及晴雨预报的TS评分、正样本概括率和漏报率均优于传统的K最近邻预报方法,该方法具有较好的预报效果。