LOCAL ASYMPTOTIC PROPERTIES OF HAZARD RATE ESTIMATORS FOR TRUNCATED AND CENSORED DATA

1 IntroductionLet (X, T, Y) denote random variables where X is the variab1e of interest, called the lifetimevariab1e, with distribution function (d.f.) F; T is the random 1eft truncation time with arbitraryd.f G and Y is the random right censoring time with arbitrary d.f. H. It is assumed that Xis independent Of (T, Y), bnt T and Y may be dePendent and, Without 1oss of generality thatthey are nonnegative. In the random 1eft truncation and right censoring (LTRC) model oneobserves (Z, T…     

考虑次近邻作用原子链的热传导研究

运用Ford—Kac—Mazur（FKM）方法和数值模拟对考虑次近邻作用的一维介电原子链进行了研究。在一定的条件下得到了热流的具体表达式，给出了不同条件下热流随体系大小的变化趋势，分析了次近邻相互作用和质量梯度对热流的影响。结果表明次近邻作用对于热流的调节不明显，而构建材料的不对称结构（质量梯度调节）可作为热传导控制的有效手段。     

基于重构误差和多块建模策略的kNN故障监测

针对基于k近邻(k-nearest neighbor,kNN)的故障监测算法中，引发故障的异常信息易被正常信息淹没，导致故障检测不及时和报警率低的问题，利用自编码器和多块建模策略提出一种基于重构误差的k NN故障监测方法。该方法利用正常工况数据集训练自编码器模型，基于该模型进行重构误差提取以解决异常信息易被淹没的问题。进一步考虑微小偏移和振荡等故障特征，采用多块建模策略，对各子块分别计算统计量并融合检测。通过一个数值例子与田纳西-伊斯曼(Tennessee-Eastman,TE)过程进行仿真与分析，结果验证了所提方法的有效性与监测性能的提升。     

Spark环境下基于网格索引的轨迹k近邻查询方法

移动对象轨迹的k近邻(k nearest neighbor trajectories,kNNT)查询是一种重要的空间信息服务,主要用于寻找与给定轨迹最近邻的k条轨迹,被广泛地应用于智能交通、信息推荐等领域。随着轨迹数据量的快速增长,由于单机计算资源的限制,传统集中式环境下的kNNT查询效率和可扩展性无法满足实际要求。为了解决这个问题,设计了轨迹数据的分布式网格索引结构,该索引在Spark环境下将轨迹切分并映射到网格中,并引入轨迹还原表以保留查询时候选子轨迹段间的连续性。基于此索引,提出了Spark环境下的轨迹k近邻查询方法kNNT-Grid。实验结果表明,kNNT-Grid方法在分布式环境下实现了良好的查询效率和可扩展性,能够应对海量轨迹数据的k近邻查询需求。     

基于改进邻居图的WLAN快速切换机制研究

典型的切换过程包括扫描、认证和重关联3个阶段,其中扫描阶段占切换时延的90%以上,因此解决切换时延问题主要是降低扫描阶段的时延。文章对传统邻居图切换机制进行了介绍,提出了基于改进邻居图的WLAN快速切换机制。该机制综合考虑接入点(access point,AP)的信号强度、负载以及移动站点(station,STA)的运动方向,计算出每个AP的权值,确定候选AP的优先级;根据优先级STA依次选择候选AP进行认证重关联,直至成功,从而减少扫描信道数量,达到降低扫描时延的目的。仿真结果表明,该切换机制有效降低了切换时延,减少了乒乓切换的发生,满足实时性应用的需求,实现了快速切换。     

基于欧式距离的最近邻改进算法

依托欧拉距离,使用杂合距离算法改进Minkowski距离公式,使得最近邻算法能够针对不同实际需要计算两事例距离,适用到属性是混合型的情形,也能避免时序列中出现的错误计算问题。     

铬铁矿四面体中亚铁的次近邻效应

用穆斯堡尔谱学研究了河南西峡铬铁矿３个矿物样品。两个铬铁矿的谱被拟合成３套双峰，一个谱被拟合成４套双峰。然后用次近邻效应和Ｂ位上阳离子二项式分布计算结果解释了出现３套或４套双峰的原因。     

非参数回归的L_1-Cross-Validation最近邻中位数估计的强相合性

考虑非参数回归模型Y_i=g(x_i)+e_i,i≥1,其中g(x)是待估计的连续函数,{x_i,i≥1}是非随机的,{e_i,i≥1}是iid随机误差,在本文中,我们讨论最近邻中位数估计(x)=m(Y_((i(1)),…,Y_(i(h~*)))=Yi(1),…,Y_(i(h~*))之中位数,其中h~*利用L_1—Cross—Validation方法选择,在一定条件下,建立了L_1—Cross—Validation最近邻中位数估计的强相合性。     

基于SVM的特征加权KNN算法

作为一种非参数的分类算法,K-近邻(KNN)算法是非常有效和容易实现的.它已经广泛应用于分类、回归和模式识别等.在应用KNN算法解决问题的时候,要注意两个方面的问题--样本权重和特征权重.利用SVM来确定特征的权重,提出了基于SVM的特征加权算法(FWKNN,feature weighted KNN).实验表明,在一定的条件下,FWKNN能够极大地提高分类准确率.     

点云精简的一种方法

重构曲面之前,需要对三维数据点集做精简处理,即在保留特征点的前提下剔除尽可能多的冗余点,这样可以保证后续曲面重构工作的高效进行.本文以样点邻近点与强制中心点切平面的关系,来判断局部空间点的分布情况,从而提供了一种新的数据精简方法.