删失回归模型的分位数变量选择和压缩估计

删失回归模型是一种响应变量受限制的模型,广泛应用于计量经济学中.针对删失回归模型,借助于分位数估计方法和SCAD型惩罚函数,提出了一种变量选择和压缩估计方法.该方法可选出对模型有贡献的回归变量,即非0回归系数,同时给出非零参数的一个相合估计.另外,获得了变量选择方法的oracle性质.最后,利用数值模拟计算说明所提出方法的效果.     

纵向缺失数据下高维部分线性回归模型的变量选择

针对纵向单调缺失数据下高维部分线性回归模型的变量选择,提出了逆概率加权光滑阈估计方程变量选择方法,其中非参数分量使用样条估计.在适当正则条件下,证明了该变量选择方法具有Oracle性质,并通过模拟研究验证了所提出方法的有限样本性质.     

广义线性模型中基于拟似然的变量选择方法

变量选择是建立广义线性模型的基础．为了选择变量,本文提出了一种惩罚拟似然方法．这种方法不需要知道数据的分布,而只要求知道数据的一二阶矩．在统计推断过程中,此方法同时进行变量选择和参数估计,得到估计具有Oracle性质,并是渐近有效的．同时,本文定义了一种后验拟似然,于是,选择变量的过程就是一个比较拟后验密度的过程．特别的,对于线性模型,比较拟后验密度就等价于比较惩罚残差平方和．     

稳健的变量选择方法及其应用

在已有的变量选择方法和稳健估计方法的基础上,提出了一种针对纵向数据的稳健的变量选择方法,通过模拟衡量其稳健性,并将其应用到一组实际的纵向数据分析中.模拟和实例分析结果表明,提出的稳健的变量选择方法在选择变量、估计变量系数的同时,对数据中可能存在的异常值有明显的抵抗作用.     

带离散辅助协变量的AFT模型的B-J估计

为处理协变量随机缺失的AFT模型的参数估计问题,首先利用离散辅助协变量对缺失的协变量进行了插补,再结合Buckley-James方法提出了带辅助信息的AFT模型的一种参数估计方法.此方法作为B-J估计在不完全协变量情形下的一个推广,无须指定模型误差项的分布,在应用上有一定的便利性.数据模拟表明:此方法具有较好的估计效果.     

基于最小距离法的稳健群组变量选择

在研究存在异常值的logistic回归模型时,发现如果使用极大似然估计(MLE)方法进行参数估计,那么异常值引起的偏差不是造成参数估计过大而是导致参数向量内爆即参数向量收缩为零向量,此时如果进行群组变量选择很可能会忽略一些重要变量.因此针对具有组结构的logistic回归模型,为处理解释变量存在异常值时的群组变量选择问题,将基于最小距离法的稳健估计(L₂E)方法与已有的3种群组变量选择方法和3种双层变量选择方法结合,在此基础上利用Majorization-Minimization(MM)算法对目标函数进行求解.通过数值模拟比较了基于L₂E方法和MLE方法在模型具有组稀疏和双层稀疏的情况下,6种变量选择方法在不同维数下的有限样本表现,结果不仅验证了L₂E方法在存在异常值的logistic回归模型参数估计中的稳健性,而且指出了在这6种变量选择方法中使用Group Bridge方法进行变量选择的准确度更高.     

变系数模型的变量选择及在股票数据中的应用

本文研究纵向数据分析中变系数模型的变量选择及效应估计问题。模型允许变量的效应随时间改变。本文方法在进行变量选择的同时,也估计变系数函数,避免了传统的变量选择方法极其复杂的计算。将本文方法用于股票价格分析,能够快速地在众多公司财务变量中挑选出对股票收益率有显著影响的变量,并估计了这些变量的时变效应,很好的解释了股票收益率的变化。     

响应变量缺失时偏线性测量误差模型的变量选择

考虑当响应变量缺失且协变量包含测量误差时偏线性模型的变量选择问题,提出了基于SCAD(smoothly clipped absolute deviation)惩罚最小二乘和STEE(smooth-threshold estimating equations)的两种变量选择方法.利用半参数回归替代估计来处理缺失的响应变量.通过选择合适的调整参数,且在一定的正则条件下,可以证明这两种变量选择方法具有渐进正态性和先知性.数值模拟研究进一步给出了估计的有限样本性质.     

用Cp统计量选择多元线性模型及估计形式

本文根据风险函数,提出了一个多变量场合的Cp统计量作为风险的估计,按Cp最小的原则给出了一种选择多元线性模型及估计形式的方法,重点讨论多变量正交试验的情况。     

变系数模型的变量选择及在股票数据中的应用

作者研究了纵向数据分析中变系数模型的变量选择及效应估计问题,该模型允许变量的效应随时间改变.本文方法在进行变量选择的同时,也估计变系数函数,避免了传统的变量选择方法极其复杂的计算.将本文方法用于股票价格分析,能够快速地在公司的众多财务变量中挑选出对股票收益率有显著影响的变量,并估计这些变量的时变效应,很好地解释股票收益率的变化.     

求解二次规划的一个基于梯度的新神经网络

根据问题自身的结构特点，通过将其转化为等价的方程，提出了求解凸二次规划的一个基于梯度的新神经网络模型．严格证明了它是Liapunov稳定的，并且渐近收敛于原问题的精确解．讨论了其全局指数稳定性，该模型不需要选择自反馈或辅助联结权矩阵，且网络规模小于原问题．模拟实验表明新模型不仅可行，而且有效。     

应变空间表述的混凝土弹塑性耦合本构模型

考虑到岩土类材料的应变软化和弹塑性耦合特点，从Ｉｌ’ｙｕｓｈｉｎ公设出发，把弹性模量看成是塑性应变的函数，直接从应变空间构造初始屈服函数并确定加载函数，推导出一个应变空间表述的本构模型。该模型不但可以描述材料的强化段，而且可以描述材料的软化段并能反映材料弹塑性耦合的性质。给出的两个简单算例说明了该模型的有效性。     

Neural network based scheduling for variable-length packets in Gigabit router with crossbar switch fabric and input queuing

A high-speed and effective packet scheduling method is crucial to the performance of Gigabit routers. The paper studies the variable-length packet scheduling problem in Gigabit router with crossbar switch fabric and input queuing, and a scheduling method based on neural network is proposed. For the proposed method, a scheduling system structure fit for the variable-length packet case is presented first, then some rules for scheduling are given, At last, an optimal scheduling method using Hopfield neural network is proposed based on the rules. Furthermore, the paper discusses that the proposed method can be realized by hardware circuit. The simulation result shows the effectiveness of the proposed method.     

一种边缘保护的灰度图像插值算法

提出一种边缘保护的灰度图像插值算法，目的在于从低分辨率图像中复原出高分辨率的图像。首先对低分辨率图像做双线性插值放大，然后用一个二维非线性滤波器做迭代滤波处理，从而得到高质量的插值放大图像。实验仿真结果表明，该算法在插值放大图像的边缘保护方面取得了良好的效果。     

产品质量的定量综合评估方法

提出产品质量定量化综合评估的一种方法———模糊综合评判法 .文中介绍了这种方法的有关概念与基本原理 ;为了应用方便 ,特别提出了确定评价向量的一种简单方法 ,提出了确定权系数的UFD法 ,提出了在模糊子集中定义序关系的二次加权法 .这些方法可直接用于实际工作中     

一种新的针对指定接收组的多重签名方案及其应用

回顾Laih—Yen针对指定接收组的多重鍪名方案以厦He提出的攻击，提出了一个新竹针对指定接收组的多重签名方案并做了安全性分析．利用相同的方法设计了一个新的门限共享验证签名方案．     

基于自适应反步滑模控制的主动队列管理

针对TCP网络的拥塞控制问题,基于自适应反步滑模控制提出了一种主动队列管理算法。由于系统的不确定在实际工程中很难或根本无法事先获得,设计一个自适应律来实时适应系统不确定的值,从而消除系统不确定所带来的影响。利用此自适应律,提出一个自适应反步滑模控制器,使得系统具有较好的暂态性能和鲁棒性能。仿真结果表明,该方法对TCP网络的复杂变化具有较好的鲁棒性和较快的系统响应。     

分数阶经验模态分解方法在机械故障诊断中应用

将经验模态分解方法(EMD)和分数阶Fourier变换基本理论相结合,提出一种基于分数阶Fourier变换的经验模态分解的机械故障诊断方法.仿真结果表明,提出的方法是有效的,尤其是对于用EMD分解方法无法进行有效分解的信号.如果时频平面旋转一定的角度,将信号从EMD难以分离的区域变换到可以用EMD分解有效识别的区域,然后经过EMD分解和分数阶Fourier反变换,就可以实现分量的提取.诊断实例进一步验证方法的有效性.     

求解一类奇异非线性凸优化问题的神经网络方法

一类奇异非线性凸优化问题近年来受到很多关注。解决该问题现有的大多数方法是迭代法,但计算复杂、效果不理想。本文提出了一种解决奇异非线性凸优化问题的新型神经网络模型,介绍了一个等价的非奇异模型和一个增广的拉格朗日函数。通过利用LaSalle’s不变性原理,证明了所提出的网络是全局收敛的,这就保证了所提出的模型对于解决奇异非线性最优化问题的有效性,数值模拟则进一步证实了该神经网络方法的有效性。     

基于插值技术和多层折叠的可逆数据隐藏算法

现有的基于插值技术的可逆数据隐藏算法具有单层嵌入容量大等优点。然而,现有算法隐秘图像的视觉质量不是很好。针对此问题,提出了一种基于插值技术和多层折叠的可逆数据隐藏算法。该算法先对输入图像进行不重叠的2×2分块;然后对每个分块利用提出的图像插值算法生成大小为3×3的分块。为降低嵌入数据对插值像素的失真,先对待嵌入的秘密数据进行多层折叠编码;然后再嵌入到插值像素中。结果表明,提出的算法不会出现像素溢出;与最新相似的算法相比,在相同的嵌入容量条件下,该算法具有更好的视觉质量。此外,提出的算法能抵抗直方图和RS(regular singular)隐写分析。