双参数指数分布步加试验TFR模型下修正的MLE

给出了双参数指数分布全样本场合下步进应力加速寿命试验TFR模型下参数的修正极大似然估计,并通过Monte-Carlo模拟证明了修正的极大似然估计要好于极大似然估计.     

基于删失中位数回归的贝叶斯经验似然

将经验似然纳入贝叶斯框架,在删失中位数回归模型下提出了模型参数的贝叶斯经验似然估计,证明了模型参数的后验分布是渐近正态的.运用M-H算法得到了点估计以及置信域,可以避免直接优化经验似然的繁重任务.模拟研究比较了贝叶斯经验似然与LAD和经验似然在有限样本下的表现,结果展示出贝叶斯经验似然优于LAD估计和经验似然.     

具有随机缺失响应变量的广义半参数模型

本文在响应变量随机缺失条件下,研究了广义半参数模型的拟似然估计方法,给出了缺失数据下的未知参数与非参数回归函数的拟似然估计,进一步求出了估计的渐近偏差和渐近方差,并证明了所给出的拟似然估计具有渐近正态性。     

INARS(p)模型的拟似然统计推断

用拟似然方法对p阶基于符号伯努利稀疏算子的整值时间序列模型参数进行估计,得出了参数修正的拟似然估计因子以及该估计因子的极限分布(可以用此极限分布对模型参数进行假设检验等统计分析),并通过数值模拟,将修正的拟似然估计与条件最小二乘估计进行了比较,结果表明,修正的拟似然估计在一定条件下明显优于条件最小二乘估计.     

INGARCH模型拟极大似然估计的相合性

利用拟极大似然方法研究INGARCH模型参数的估计问题,证明了拟极大似然估计的强相合性.模拟结果表明,在样本数较大时,拟极大似然估计比最大似然估计效果更好.     

序约束下AR(2)模型参数的拟似然估计

在约束条件下利用拟似然估计方法对AR(2)模型的参数进行统计推断,研究了拟似然估计(α)和约束拟似然估计(α)*的相合性及渐近正态性,并给出了AR(2)模型参数序关系的假设检验方法及模拟结果.     

浅论“广义”最大似然估计

我们常常会遇到最大似然估计不存在的情况,这种情况以在非正态回归模型中最为典型。当参数向量不能被估计时,人们对参数向量的线性函数的估计饶有兴趣。本文给出了这些线性函数的广义最大似然估计的定义,讨论了广义最大似然估计的性质,探讨了利用射影变换求广义最大似然估计的方法。     

含MA误差的线性模型的经验似然推断

采用拟极大似然估计方法获得含MA误差的线性模型估计方程。为了能够使用经验似然方法,先利用鞅差序列将估计方程中的二次型转化为线性形式;再构造关于模型参数的经验似然比统计量,在一定假设条件下证明该统计量渐近服从卡方分布;模拟结果表明,在参数置信域的覆盖率方面,经验似然方法比参数似然方法更接近置信水平。     

图对数线性模型性质的研究

将马尔科夫网与对数线性模型的基本理论相结合,建立了图对数线性模型,并对模型参数的极大似然估计进行研究。根据极大团对图模型进行分解,即可得到极大似然估计。具体分析了五维随机变量的对数线性模型结构以及独立性条件,并且计算出其极大似然估计计算公式。     

一个整值ARCH（p）模型的经验似然推断

研究整值ARCH(p)模型的经验似然推断.利用经验似然方法, 给出了模型参数的最大经验似然估计, 并证明了估计量的相合性和渐近正态性.     

热电厂MES系统数据仓库的设计与应用

为了解决热电厂中实时数据和管理数据难以形成统一数据模式的问题,提出了在数据库的基础上增加时间维来建立分层次的MES系统数据仓库.将MES系统数据仓库分成即时数据层和长期数据层,通过数据仓库与管理层、执行层以及控制层之间的数据驱动更好地为各层管理人员提供了决策所需信息.并以电厂中设备的预报警为主线,给出了电厂MES系统数据仓库的数据模型和概念模型,建立了OLAP分析模型.试验结果表明,MES系统数据仓库在电厂预报警方面有着良好的应用.     

半参数纵向数据的Logistic模型

以纵向数据的半参数模型为基础,建立了半参数纵向数据的Logi st i c回归模型,对此模型中的参数进行了参数估计,讨论了它的信息矩阵,给出了似然方程的Newt on-Raphson迭代求解过程。     

面向问答领域的数据增强方法

针对当前自动问答数据增强方法需要大量外部数据的问题,提出一个面向问答模型缺陷的数据增强方法.首先,在训练集上训练好问答模型、问题生成模型以及问答匹配模型;然后,获取问答模型在训练集上预测的所有答案,并选取其中预测错误的答案;再后,使用问题生成模型对这些答案生成相应问题;最后,通过问答匹配模型对生成的问答对进行过滤,保留...     

污染数据半参数回归模型中的强相合估计

同删失数据一样 ,在实际工作中经常遇到一些关于污染数据的统计分析问题 .对于删失数据已得到了一系列较为深刻的结果 ,但对污染数据问题的研究却不多 .污染数据回归模型是生物统计中常用的模型 .考虑一类污染数据半参数回归模型 ,建立了模型的参数、回归函数和污染系数的估计 ,并在适当条件下证明了它们具有强相合性 .     

面向多轴FDM工艺的IGES数据解码器研究

熔融沉积(Fused Deposition Modeling,FDM)工艺通过逐层堆积实体材料构成三维模型,因此需要获得模型的数据对模型进行后期的数字化处理,如模型分块,修复,切片,层片内路径规划等。在现阶段,大多数数据处理采用的都是基于STL文件的数据格式,但STL文件数据存在数据冗余,几何精度低,容易产生错误等缺点,在一些对精度要求高的场合不适用。为了弥补以上的不足,出现了直接对参数化的三维模型进行数据处理的技术。该技术基于IGES文件数据,实现对模型的数据处理。而要想实现对IGES文件的处理,必须实现对IGES文件的解码工作。针对以上问题,提出了基于VS2008平台,实现对IGES文件进行数据解析,存储,并将提取的实体信息用NURBS曲线曲面统一表示的方法,最后基于OpenGL实现对模型的再现功能,为后面模型数据处理提供平台。     

基于伪数据的机器翻译质量估计模型的训练

为向基于深度学习的机器翻译质量估计模型提供高效的训练数据, 提出面向目标数据集的伪数据构造方法, 采用基于伪数据预训练与模型精调相结合的两阶段模型训练方法对模型进行训练, 并针对不同伪数据规模设计实验。结果表明, 在构造得到的伪数据下, 利用两阶段训练方法训练得到的机器翻译质量估计模型给出的得分与人工评分的相关性有显著的提升。     

面向地理信息系统的三维空间数据模型

通过分析三维ＧＩＳ空间数据模型的基本概念、研究进展及所存在的问题,在三维空间实体的形式化定义及空间实体间拓扑关系形式化描述等研究基础上,建立了顾及空间剖分的三维拓扑数据模型。该模型不但可以有效地表达规则形状的空间实体,还可以有效地表达不规则形状的空间实体。它兼顾了基于镶嵌的数据模型和基于矢量的数据模型两种表示方法的优点,为发展三维ＧＩＳ软件提供了一些有益的设想和方法,可以使得系统在数据组织、数据管理、图形恢复上避免不必要的麻烦,并可望使空间查询和空间分析具有高效性     

EPICENTRE数据模型应用研究

论述了石油勘探开发集成中心数据模型EPICENTRE的构筑原理和方法 ,论述了模型的应用技术 ,包括领域数据向模型的映射以及实体数据通过模型向数据仓的加载和模型控制下的数据存取等 ,并给出了应用实例。实际应用表明 ,EPICENTRE数据模型可使石油勘探开发数据资源得到充分利用。     

适于“数字海底”的GIS数据仓模型初探

提出了适于“数字海底”的 GIS数据仓库系统模型 ,该模型由六大层组成 ,自下而上依次为 :专业数据层 (源数据 )、数据仓库层、数据共享层、数据抽取层、应用层、数据成果层 .重点讨论了数据语义同化、空间数据与属性数据的一体化、数据挖掘等建设 GIS数据仓库的关键技术 .以所设计的 GIS数据仓库系统模型为基础 ,开发了海洋激光单分子油气化探分析与评价系统     

基于逻辑回归的增量式异常用电行为检测方法

用户异常用电行为的检测是电力公司需要重点解决的问题。目前异常用电检测通常采用数据分析的方法,主要包括聚类和分类两种,在处理固定数据集时校测准确率和效率均较高。但是此类方法在处理增量数据时,每次数据增量更新时均需要将增量数据与原始数据合并后重新建模才能获得新的检测模型,而用户的用电数据是频繁更新的且最新的数据更能体现出用户的用电习惯,因此在异常用电行为检测时必须考虑增量数据,而现有检测方法在进行增量式异常用电行为检测时效率很低。为解决数据增量式更新的情况下异常用电行为检测方法性能低下的问题,提出了一种基于逻辑回归的增量式异常用电行为检测方法,仅需对增量数据进行建模即可得到面向全局数据集的检测模型,无需对全局数据进行重新建模,提高检测算法的执行效率。当用户电量数据产生增量时,仅需对增量数据构建检测模型,再与原始数据的检测模型相结合,即可得到基于全部数据的检测模型。实验结果表明,该方法在保证检测结果准确性的同时,极大地提高了算法执行效率,且对计算和存储资源的需求较低。