基于复共线性关系的设计矩阵的回归诊断方法

应用岭估计改进Cook距离 ,提出了一种新的回归诊断方法 ,更好地解决了有复共线性关系的设计矩阵的回归诊断问题     

多元线性模型参数的有偏估计

文章对于多元线性模型Yn×q～(Xn×pBp×q,Vq×q(×)In×n)提出了参数B的一种有偏估计(^β)h,(^β)h在线性模型典则形式下,对应的有偏估计为(^α)h=(Iq(×)Λ hI)-1(Iq(×)Λ I)(^α),此(^α)h有很好的统计性质;并阐明它在均方误差准则下这种估计相对于最小二乘估计和岭估计的优良性问题,从而推广了已有的有关结果.     

半相依回归系统的Stein型广义岭型主成分改进估计

对于一类半相依回归系统,将Stein压缩思想与广义岭型主成分改进估计相结合。提出Stein型广义岭型主成分改进估计,并且讨论这种估计及其相应的两步估计的优良性质。     

变工况时频脊流形早期故障预警方法研究

针对风电机组齿轮箱工况复杂多变,提出了一种基于Gabor重排对数时频脊流形早期故障预警方法.该方法首先研究提取Gabor重排对数时频谱的脊线,构建早期故障高维特征向量;然后研究改进局部切空间流形学习方法,进行维数约简;最后采用K-近邻分类器,实现变工况风电机组齿轮箱的早期故障识别与预警.通过变转速、变载荷等多种工况的行星齿轮箱磨损试验与风电机组现场运行数据验证,结果表明该方法有效提高了复杂变工况风电机组齿轮箱早期故障预警准确率,可为其预知维护提供可靠依据.      

基于脊骨线特征的指纹图像质量评估方法

指纹图像的质量对指纹识别技术有着重要的影响.根据指纹的特征和指纹图像的纹理特征,提出了一种基于脊谷线特征的指纹图像质量评估方法.此方法对传统的脊谷线清晰度分析方法进行了改进,把局部分析和全局分析结合起来,得到一个更好的脊谷线清晰度描述.用多指标融合方法来最终判定指纹质量.采用指纹图像脊谷线清晰度、指纹图像有效面积、指纹图像灰度均值和方差作为质量评价的相关指标因数.该方法对指纹质量判定的准确性有了明显改进.     

线性回归模型系数的有偏估计研究

针对引起线性回归模型LS估计性能变坏的根本原因,提出了回归系数的广义c-K估计,将众多经典的有偏估计结合在一起,对有偏估计的改进进行研究.分别证明了选择广义岭参数可对狭义岭估计进行改进,选择压缩因子可对广义岭估计进行改进,给出了参数的最优值.为病态线性回归模型系数的有偏估计的改进提供了有效途径.     

一种指纹特征点信息的表示方法

指纹图像经细化后并提取特征点,把特征点的信息构成特征向量作为指纹特征模板.本文提出了一种有效的指纹特征信息的表示方法,把中心点作为参照点,利用中心点和特征点之问的距离和纹线数与图像的旋转和平移无关的特性来标记特征点.通过结果分析,此方法占用的空间相对要小.     

一般广义岭估计的效率

把文 [1]所定义的相对效率 1- MSE βMSE β对一般Gauss -Markov模型下的岭估计的讨论推广至广义岭估计。并比较了一般岭估计与广义岭估计在此种效率下的下界     

一种高效率PS光子互连网络的实验研究

在分析互连元件四脊棱镜和菲涅耳棱镜组等效关系的基础上,对由此构成的光子互连网络进行了实验研究,并给出了具体实验方案及结果。     

Forecasting intraday S&P 500 index returns: A functional time series approach

Financial data often take the form of a collection of curves that can be observed sequentially over time; for example, intraday stock price curves and intraday volatility curves. These curves can be viewed as a time series of functions that can be observed on equally spaced and dense grids. Owing to the so‐called curse of dimensionality, the nature of high‐dimensional data poses challenges from a statistical perspective; however, it also provides opportunities to analyze a rich source of information, so that the dynamic changes of short time intervals can be better understood. In this paper, we consider forecasting a time series of functions and propose a number of statistical methods that can be used to forecast 1‐day‐ahead intraday stock returns. As we sequentially observe new data, we also consider the use of dynamic updating in updating point and interval forecasts for achieving improved accuracy. The forecasting methods were validated through an empirical study of 5‐minute intraday S&P 500 index returns.