边界条件约束下的Cook距离与相关系数

文［１］提出了边界条件约束下的Ｃｏｏｋ距离，现主要讨论它与相关性之间的联系，找到了它与简单相关系数和复相关系数之间的精确关系，建立了它与广义相关系数之间的不等式关系。     

最佳线性无偏估计中的一个影响度量

本文讨论数据的剔除对最佳线性无偏估计的影响大小。用方差比做为判定影响大小的度量，并找到了它与相关系数之间的精确关系。     

相关系数的引出及其意义

本文从方差的角度引出了相关系数的表达式，并对相关系数r在线性回归中的意义以及与斜率b之间的关系进行了讨论。     

基于最小特征根的相对效率

对线性模型的最小二乘估计(LSE)与最佳线性无偏估计(BLUE)定义了一种新的相对效率,新的相对效率定义为最小特征根的比值,之后研究了它的下界及它与广义相关系数之间的关系.最后讨论了新的相对效率与已有的3种相对效率之间的关系.     

随机向量间的线性相关性度量

相关分析是描述两个或两个以上变量间关系密切程度的统计方法.本文主要讨论随机向量间的相关性,重点地讨论了总体简单相关系数、复相关系数和典型相关系数的计算过程,以及广义相关系数与上三者之间的关系.     

最小二乘估计中的Cook距离与相关系数

对于影响度量Cook距离,本文建立了它与简单相关系数及复相关系数之间的精确关系,并找到了它与广义相关系数之间的不等式关系。     

边界条件下线性回归模型的影响分析

研究带边界约束条件的线性模型的影响问题，提出了几个度量数据影响大小的统计量，建立了影响度量与相关系数之间的联系，揭示了数据影响与相关性之间的内在联系。     

几乎共线性的度量问题

本文考虑回归分析和数值相关分析等领域中的向量相关性的度量问题,引进一种用于度量共线性影响的数量指标,并讨论了它的基本性质以及与病态条件数和复相关系数的关系.     

加权回归模型中的影响度量与相关系数

从距离角度研究数据对加权回归模型的影响．建立了加权回归模型中的Ｃｏｏｋ距离,并找到了它与相关系数之间的联系     

广义相关系数与估计的稳健性

研究了广义相关系数与线性相依的关系，并应用这些结果刻划了最佳线性无偏估计的稳健性。     

岭估计的一个影响度量

提出了预测数据对岭估计的影响一个度量，建立了它与全相关系数的联系，并和岭估计中的ｃｏｏｋ距离作了比较。     

奇异G-M模型参数估计的相对效率

研究了在奇异线性模型下参数估计的相对效率并研究了它的下界以及与广义相关系数的关系。     

最佳线性无偏估计中的W-K统计量

本文提出了最佳线性无偏估计中的W-K统计量，用它讨论了数据的影响，并建立了它与相关系之间的关系，推广了文献[1]和[2]的结果。     

随机变量的Kendall相关系数的推广

多维随机变量之间常常存在着复杂的相依关系，而度量相依关系指标大多只刻画二维随机变量之间相依程度。借助Copula工具及利用Kendall相关系数是和谐概率的线性变化的特点，将二维Kendall相关系数推广到n维，并在此基础上探讨其性质以及不同维度的Kendall相关系数之间的关系。     

多元加权线性模型的影响分析

本文针对多元加权线性模型，讨论了一组观察数据对加权最小二乘估计的影响，给出了影响度量准则和它们的化简式及其分布，建立了Ｗ－Ｋ统计量与广义相关系数之间的联系。     

权回归模型中的相对效率

文献[5]在线性模型中定义了一种新的相对效率 ,本文将它推广到权回归模型中并研究了它的下界以及它与某些广义相关系数之间的关系     

Minimax线性估计中的W—K统计量与广义相关系数

本文用Ｗ－Ｋ统计量探测数据集对Ｍｉｎｉｍａｘ线性估计影响的大小，建立了它与广义相关系数的联系。     

相关分析中有关问题的探讨

本文推导了相关系数与回归系数之间的关系，提出了描述变量之间相关程度的另一个新指标     

应用自相关减法改善噪化语音的线性预测编码分析

本文提出了一种新的线性预测编码(LPC)方法。它既可用于纯语音分析,也可用于噪化语音分析。用于噪化语音分析时,首先在无语音帧内估计出噪声样本的自相关系数,然后从噪化语音的自相关系中减去噪声的自相关系数,最后利用估值得到的语音自相关系数求出它的线性预测系数。当输人噪化语音的信噪比为0～10dB时,使用这种方法可以提高信噪比5dB左右。     

SIMON类算法轮函数的线性性质

SIMON类算法是美国国家安全局于2013年提出的一类Feistel结构的轻量级分组密码算法。通过分析轮函数F(x)的线性逼近式的线性性质,在线性逼近式的二次项相互独立的情况下,给出了轮函数F(x)的线性逼近式的相关系数为0、1/2^k时输入和输出掩码应满足的条件,同时也给出了二次项相关时相关系数与输入和输出掩码之间的关系。