随机δ冲击下多相关退化的竞争失效可靠性评估

针对退化过程为线性退化时,系统受外界δ冲击,出现自然退化和外界冲击导致的失效现象,提出了系统的可靠性评估问题;从两方面考虑相关性,一方面冲击造成的损伤使得内部退化增加,而内部退化量的大小决定了冲击所带来的失效阈值的改变,两者相互影响;另一方面,退化之间具有相关性;将系统退化分为8部分不相容之和进行研究,利用Copula相关理论刻画相关性,得到了系统的可靠度函数;最后,通过案例分析,表明模型的有效性和可操作性。     

基于R-vine Copula理论的改进朴素贝叶斯分类器

朴素贝叶斯分类方法在分类时,基于属性之间的独立性假设影响了其分类性能.基于此在R-vine Copula理论的基础上,利用一系列Pair Copula函数和核密度函数的乘积来构造属性的类条件概率密度函数,并通过AIC准则选取最合适的Pair Copula函数,用极大似然估计法确定其参数.实验结果表明,改进的分类器提高了...     

两两NQD随机场的完全收敛性

在同分布两两NQD列的Baum-Katz完全收敛定理的基础上,主要研究并得到两两NQD随机场的完全收敛性,即多指标变量集下两两NQD的随机变量的完全收敛性,其中该指标集是关于坐标方向的偏序″≤″的d-维正整数网格点集.     

基于惩罚极大Lq似然的Logistic回归系数的估计及变量选择

极大似然估计是Logistic回归模型的常用参数估计方法,且在一定条件下具有一致性和渐近正态性。但极大似然估计的优良性主要体现在大样本情况,当解释变量具有多重共线性且样本量较小时,为得到更好的拟合效果以及实现参数稀疏化,将极大Lq似然估计与Lasso惩罚结合,得到Lasso极大Lq似然估计。并运用数值模拟对Lasso极大似然估计和Lasso极大Lq似然估计进行比较得到,在样本量较小时,Lasso极大Lq似然估计的表现优于Lasso极大似然估计。     

成都城市化进程的趋势分析

根据成都市的相关统计数据,运用相关分析及主成分分析的统计方法探寻影响成都城市化进程的因素,并利用回归分析对成都城市化进程进行趋势分析.