回归系数可容许线性估计的一点讨论

在平方损失函数和一特殊线性模型下，得到了一维不可估参数函数的线性估计为可容许估计的充要条件，以及模型中参数向量的线性估计为可溶许估计的充要条件。     

提取数字图像相对灰度特征的Robust估计及其快速算法

以玻璃饮料瓶清洁度的在线自动检验问题为背景，研究了应用计算机图像处理与 模式识别方法实现这一自动检验过程中的图像特征提取问题．文中提出了根据图像的 相对灰度检测方迹图像的思路，给出了描述相对灰度特征的参数和提取该参数的统计 估值方法．针对实际饮料瓶一致性差．图像复杂的特点，提出一种ｒｏｂｕｓｔ估计方法 来解决特征提取的可靠性问题．同时为了满足在线处理的实时性要求，文中在给出两 个有关数字图像相对灰度信号及其方差函数的定理的基础上，给出了一种实现ｒｏｂｕｓｔ 估计的快速算法，从而解决了特征提取中的可靠性与实时性之间的矛盾．文中方法已 在一套计算机图像处理系统上实现．结果完全满足实际要求．     

广义岭估计的相对效率

考察Gauss-Markoff模型中未知参数向量的最优线性无偏估计的改造问题,引入讨论了方兴等 提出的最优化无偏估计的一种估计的相对效率,把其对一般岭估计的部分研究结果推广到广义岭估计。     

一般岭估计的效率

本文讨论了一般Gauss-Markif模型中未知参数向量的最优线性无偏估计的改进问题,引入了一般岭估什的概念及一种新的相对效率,证明了此种效率定义的合理性,并在岭参数的一定限制下,给出了这种估计效率的一个下界。     

AHP层次单排序权值的最简单估计方法

本文给出了ＡＨＰ层次单排序权值和特征根λ＿（ｍａｘ）的最简单估计方法和公式，避免了矩阵和向量的乘法运算，极大地减少了计算量。     

矩阵指数范数的新估计方法

放弃了稳定矩阵的指数范数的传统估计方法‖ｅ＾Ａｔ‖≤βｅ＾－ａｔ（ｔ≥０），而采用新的估计方法‖ｅ＾Ａｔ‖≤Ｃ＾Ｔｅ＾Ｂｔ（ｔ≥０）。新方法具有参数易于确定、估计精度高等优点，结合积分判据，它可应用在时变线性系统、大系统、时滞系统等问题中。     

随机场回归系数的最小二乘估计

论述了随机场回归系数的最小二乘估计，其中包括格子点随机场回归数的最小二乘估计，连续参数平稳过程回归系数的最小二乘估计、连续参数向量随机场回归系数的最小二乘估计。     

线性模型参数一类新的s-K估计

基于线性回归模型参数向量的先验信息提出一类新的s-K估计——改进s-K估计,并在均方误差阵意义下,得到了这类估计分别优于最小二乘估计、广义岭估计、Stein估计及s-K估计的充要条件.     

LR估计的一点注记

证明了ＬＲ估计是一个非线性有偏估计，并得到了一个重要的推论。     

PC准则下生长曲线模型回归参数阵广义岭估计的优良性

一般而言 ,PC准则是用来比较向量参数两个估计优劣的一种准则。本文将它推广应用于生长曲线模型回归参数阵的最小二乘估计和广义岭估计优劣性的比较。给出了广义岭估计在PC准则下优于最小二乘估计的条件     

多元线性模型回归系数的广义根方估计

将根方估计作一拓广，提出了回归系数的广义根方估计，证明了广义根方估计能更有效地改善最小二乘估计，并给出了广义根方估计的显示解和确定偏参数的方法。     

非齐次等式约束线性回归模型的条件根方估计的效率

对非齐次约束线性回归模型的狭义条件根方估计和广义条件根方估计进行讨论.利用相对效率定义比较两种根方估计的效率,证明在一定条件下,广义条件根方估计的效率不低于狭义条件根方估计,在根方参数的限制下比较了它们的下界之间的关系,从而可选择适当的根方参数,使广义条件根方估计就均方误差而言更具有良好的性质.     

论统计调查中的域估计及其实证研究

抽样调查是获得统计数据的一项重要途径，而时需要进行研究的层次作为子总体进行分层抽样实际上就是域估计问题。首先介绍了域估计的两种方法，包括直接估计和间接估计，然后对域估计进行了案例分析，最后对间接估计和直接估计的特点进行了对比分析，发现在一般情况下，如果样本量很充足，也无缺失数据，则使用传统的直接估计方法最为便利。当直接估计方法不能很好地满足我们的需求时，使用模型来进行间接估计就是一种必要的选择。     

软件项目工作量估算方法研究与应用

工作量估算是软件项目开发的重要环节,也是制定项目开发计划的依据。目前常用的软件项目工作量估算方法都无法简单准确地估算项目工作量。本文采用三步法对项目工作量进行估算,第一步选择一个简单的模型;第二步使用样本数据对模型常数进行标定;第三步采用类比方法对标定模型和实际项目进行比较,估算出项目工作量。该方法应用于合作公司的软件项目工作量估算,得到公司和用户认可。     

基于傅立叶变换的OFDM信道估计方法研究

分析了无线OFDM 系统中基于傅立叶变换的信道估计方法,提出了在低信噪比情况下使用LMMSE估计的一种改进方法和在高信噪比情况下使用不需要先验信息的LS估计的改进方法。仿真结果表明，在无线多径慢衰落信道条件下，该改进方法都能够有效对抗频率选择性和先验信息的估计偏差对信道估计的影响，在估计性能与算法复杂度之间取得良好折衷。     

混合系数线性模型参数的局部根方估计的一些结果

在研究混合系数线性模型参数的局部根方估计的基础上,进一步论证了此估计的F-优良性和在矩阵条件数准则下对最小二乘估计抗干扰性的改进。     

部分估计中的比率估计法与简单估计法的优劣分析

对总体的部分子总体的标志值均值及总量进行估计时，[1]中讨论了3种方法：简单估计法(SE)，部分估计法(PE)，比率估计法(RE)，并分别比较了SE与PE，PE与RE的优劣关系．本文则是在此基础上，比较了SE与RE的优劣关系，并得出在一定条件下，SE优于RE的很好结论．     

提高估算软件成本精度的方法研究

指出已有的软件成本估算方法中的问题,提卅采用模糊神经网络方法构建软件成本的快速估算模型来提高估算精度。将60个软件项目的相关数据作为样本,分别对神经网络和模糊神经网络两种系统进行训练。将两种模型的训练和估算结果进行比较．结果显示模糊神经网络模型在软件成本估算上比神经网络模型具有更高的学习效率和估算精度。     

真实和虚拟传感器多层信息融合算法

基于最优估计理论,提出了一种多层传感器的复合融合估计算法．该方法采用了由真实传感器和虚拟传感器组成的复合融合结构,以解决测量噪声干扰下参数估计问题．在该结构中,第1层物理真实传感器测量所得数据,按照加权融合算法,经过多层虚拟传感器的递推融合得到多层融合后的估计值．虚拟传感器的层数增加时,融合后总的估计误差将减少、虚拟传感器是由算法和软件实现的,不会增加测量系统物理结构的复杂性．计算机仿真结果表明：此方法在减少测量误差方面比传统的直接估计方法有明显的改善．     

矩法估计的几点注记

矩法估计是一种常用的点估计方法,具有一定的优良性和广泛的实用性.在矩法估计的基本内容之外,明确提出矩法估计几个需要注意的问题.