von Bertalanffy鱼类生长曲线两种常用拟合方法的一致性讨论

本文指出,拟合von Bertalanffy鱼类特殊生长曲线常用的Tomlinson-Abramson方法与Allen方法在参数点估计和区间估计方面没有什么本质的不同;以拟庸鲽(Pleuronectes platessa L)雌鱼的生长为例,对其参数估计量性质作模拟研究的结果表明;各参数估计量的非线性性态是显著的。     

高阶模糊度函数LFM信号参数估计的改进与仿真

旨在改善高阶模糊度函数（HAF）进行线性调频（LFM）信号参数估计的效果，讨论了HAF进行LFM参数估计流程，分析了由于HAF局限性带来的调频斜率估计误差、累积误差效应以及接收信号与实际信号起点不一致性对HAF的影响，提出了用于改进HAF的分段频谱方差极大值法则。改进HAF降低了LFM信号调频斜率估计误差，同时改善了HAF的误差累积与起点不一致问题。MATLAB仿真数据结果验证了改进方法较HAF在LFM参数估计上的优越性。     

The dynamic and stochastic instability of betas: Implications for forecasting stock returns

The purpose of this paper is to simultaneously investigate several important issues that feature the dynamic and stochastic behavior of beta coefficients for individual stocks and affect the forecasting of stock returns. The issues include randomness, nonstantionarity, and shifts in the mean and variance parameters of the beta coefficient, and are addressed within the framework of variable-mean-response (VMR) random coefficients models in which the problem of heteroscedasticity is present. Estimation is done using a four-step generalized least squares method. The hypotheses concerning randomness and nonstationarity of betas are tested. The time paths, sizes, and marginal rates of mean shifts are determined. The issue of variance shift is examined on the basis of five special tests, called T*, B, S', G and W. Then the impacts of the dynamic and stochastic instability on the estimation of betas is tested by a nonparametric procedure. Finally, the VMR models' ability of forecasting stock returns is evaluated against the standard capital asset pricing model. The empirical findings shed new light on the continuing debate as to whether the beta coefficient is random and nonstationary and have important implications for modeling and forecasting the measurement of performance and the determination of stock returns.     

基于偏最小二乘与极大间距准则的微阵列分类

 针对基因表达数据中的高维小样本问题，提出了一种两阶段的识别框架：“偏最小二乘法(PLS)+极大间距准则(MMC）”。该方法首先使用PLS算法提取出带有分类信息的特征，然后使用MMC准则对样本进行分类。在六个公共的基因数据库上与一些常见的基因分类方法相比较，结果显示了该方法对基于基因表达数据的肿瘤分类有效且稳定。     

3个桂花品种花香组分动态特征及花被片结构解剖学观测

桂花[Osmanthus fragrans （Thunb.）Lour.]是我国著名的香花植物，对其花香组分动态特征及花被片结构解剖学观测的研究能够为桂花的进一步开发利用提供参考。     

采用偏最小二乘法的基因-药物共模块识别

首先,将药物二维化学结构转化为数值序列,计算药物之间的皮尔逊相关系数,进而构建药物关联网络;然后,在带有基因网络约束的稀疏偏最小二乘算法的基础上,加入药物关联网络信息,提出伴有基因和药物关联网络正则约束的稀疏偏最小二乘(SGDPLS)算法;最后,将SGDPLS算法应用于基因-药物共模块识别.结果表明:药物关联网络信息的加入能够有效提高所识别的共模块中基因模块与药物模块的相关性,增加共模块的生物可解释性.     

混合系数线性模型参数的根方估计

针对连续测量数据，给出了混合系数线性模型参数的根方估计ｄ（ｋ）和ｄ（ｋ）（０＜ｋ＜１），并且证明了通过根方参数ｋ的选取，可使根方估计ｄ（ｋ）和ｄ（ｋ）的均方误差（ＭＳＥ）分别小于最小二乘估计（ＬＳＥ）ｄ和ｄ的ＭＳＥ     

多维波动模型的因果关系分析

在Comte等关于二阶(非)因果关系的基础上,探讨了FF-GARCH模型、(G)O-GARCH模型、Hadamard乘积GARCH模型的波动(非)因果关系条件,为更好理解所得结论,给出了二维情况下的表达。同时,对多维SV模型也进行了分析。     

基于核主元分析和最小二乘支持向量机的软测量建模

软测量技术是工业过程控制和分析的有力工具，它的核心问题是如何建立学习速度快且泛化性能优良的软测量模型。提出了一种基于棱主元分析（KPCA）和最小二乘支持向量机（LSSVM）的软测量建模方法，利用核主元分析提取软测量输入数据空间中的非线性主元，然后用最小二乘支持向量机进行建模，不但降低模型复杂性，而且提高了模型泛化能力。最后将上述方法用于PTA结晶过程的软测量建模，仿真结果表明：与SVM、PCA-SVM建模方法相比，该KPCA-LSSVM方法具有学习速度快、跟踪性能好、泛化能力强等优点，是一种有效的软测量建模方法。     

小型直升机航向模型的增广递推最小二乘辨识

分析确定了模型直升机航向通道结构,考虑了噪声模型的存在,采用增广最小二乘法进行了参数辨识,从而避免了一般最小二乘法把误差模型隐含在系统模型中所造成的辨识精度不高的缺点。结果表明,虽然采用增广最小二乘法要考虑噪声模型,但是它具有速度快、辨识结果准确的特点,所得模型直升机的航向模型很好的表示了其系统特性,可以用来进行控制系统的设计和直升机的分析理解。