强混合序列下非参回归函数加权核估计的强收敛速度

在误差项为强混合序列的条件下,利用随机变量部分和的矩不等式,讨论非参回归函数加权核估计的强相合性,给出其收敛速度.当样本矩足够大时,强相合的收敛速度约等于n-1/2.     

误差为NOD样本下的非参数回归模型估计的相合性

研究了误差为NOD序列时的非参数回归模型未知函数估计量相合性问题,而NOD序列比NA序列要弱。利用NOD序列的C r不等式,Jensen不等式以及权函数相关性质,证明了其弱相合性。     

删失样本α混合序列递归核密度估计的一致强相合性及速度

在删失数据α混合序列下,用递归核密度估计改进密度函数,的窗宽固定的核密度估计量,并在一定条件下证明改进后的估计量fn的一致强相合性,并给出一致强相合速度;同时也得到与fn相应的风险率函数λ的估计量λn的一致强相合性及一致强相合速度．     

自适应弹性网络的变量选择一致性

针对样本维数随着样本个数变化的情况,研究了自适应弹性网络变量选择的一致性.首先在部分正交条件下,证明了初始的单变量回归子是零一致的,然后据此证明了自适应弹性网络能取得一致的变量选择.从渐近性能的角度考虑,所得结论是现有方法在超高维空间里的推广.     

混合误差下半变系数模型估计的相合性

讨论了误差序列{εi,1≤i≤n}是α-混合条件下的变系数模型.利用局部多项式方法给出变系数模型系数函数的估计,并在此基础上讨论了系数函数估计的相合性问题,最终证明了该模型系数函数估计是弱相和合的.     

一种新型虚拟实验协同感知方法

基于代理机制提出一种新型协同感知模型,该模型通过在客户端和服务器端建立协同感知代理的方式实现行为感知,为了避免因负载过大而在服务器端产生的瓶颈问题,建立了一套动态选择协同感知服务器的方法.实验结果表明该方法能够确立系统的最佳动态服务器节点,降低了系统平均响应时间,使实验者能够及时、同步感知其他参与者的动作和行为.     

PA样本回归函数估计的强相合性

针对非参数回归模型Y1=g(x1)+ε1,1≤i≤n,在{εi,1≤i≤n}为一致可积的平稳PA相依序列条件下,得到未知函数g(x)的权函数估计gn(x)=nΣi=1wni(x)Yi的强相合性.     

广义线性模型中极大拟似然估计的弱相合性

在λn=O(λn)及其它正则条件满足时,用压缩映射原理证明一般联系函数多维广义线性模型的极大拟似然估计(MQLE)的弱相合性,将误差为独立序列的情形推广到相依序列,其中-λn(λ-n)为矩阵Sn=∑ni=1XiXTi的最大(最小)特征根.     

Lustre文件系统中范围锁机制的应用研究

分布式锁机制是分布式文件系统的重要机制,Lustre是一种高性能的分布式文件系统,针对现有的范围锁机制,在处理多客户端大量并发的密集型共享文件访问时,存在操作延迟、文件数据一致性管理复杂的问题,为了解决这类问题采用了可伸的锁范围划定、对范围锁赋予周期、范围锁版本控制相结合的改进机制。实验结果表明,采用改进后的范围锁机制,不仅保证了文件数据的一致性,一定程度上降低了并发文件访问延迟,从而保证了分布式文件系统的I/O性能。     

两个二项总体具有部分缺失数据时的估计

文章主要讨论了两个二项总体均具有部分缺失数据时的参数的极大似然估计,并证明了估计的强相合性和渐进正态性,以及给出了两总体参数差的近似置信区间.