用于高维数据的复合Hotelling's T~2检验（英文）

本文研究高维数据下两样本均值的检验问题.基于Hotelling's T~2检验,我们提出了适用于高维数据均值检验的复合Hotelling's T~2检验统计量,证明了其渐近正态性并研究了其渐近功效.我们通过模拟和实例分析展示了该检验在有限样本下相比现有高维检验方法的优良性.     

Yule测度的可压缩性

Simpson悖论提醒人们在低维空间的统计推断可能会严重歪曲高维现实.针对该悖论,研究Yule测度的简单可压缩性、强可压缩性和连续可压缩性,给出这些可压缩性的充分必要条件.这些条件对于观测和试验研究设计、消除混杂偏倚、离散变量分类和水平划分等都有重要意义.     

一类高维混沌模型的动力学分析及数值仿真

利用微分方程与动力系统的基本理论与方法,首先从解析上推导出一类高维混沌模型的全局吸引域和最终界,然后对这个理论结果进行仿真.理论分析及数值仿真结果表明:该高维混沌模型理论研究的结果是正确的.同时,研究结果为该混沌系统在工程中的应用和电路设计提供了理论依据.     

一类Lorenz型高维混沌系统的分析

利用微分方程与动力系统的基本理论与方法,首先从解析上推导出一类高维混沌模型的全局吸引域和最终界,然后对这个理论结果进行仿真.理论分析及数值仿真结果表明:高维混沌模型理论研究的结果是正确的.同时,的研究结果为该混沌系统李雅普诺夫吸引子维数的估计提供了理论依据.     

图像与视频处理的张量方法（英文）

最近研究表明,张量是多维数据的自然表示形式,能够保持数据的内在结构,而张量分解和特征值分析是处理和分析高维数据的潜在工具.张量的数学基础和基于张量的数据分析技术都得到了极大发展.本文对高阶张量分析及其在图像和视频处理中的应用进行综述,并指出一些可能的研究问题.     

三维插值对称正交小波的构造

高维小波分析是分析和处理多维数字信号的有力工具.基于任意的三维正交尺度函数及相应的正交小波,提出一种构造三维插值对称尺度函数和对称小波的方法,并建立了多维信号采样定理,这一点在信号处理中具有很好的应用价值.最后给出了数值算例.     

基于相似性度量的改进DBSCAN算法

针对传统DBSCAN算法对高维数据集聚类效果不佳且参数的选取敏感问题,提出一种新的基于相似性度量的改进DBSCAN算法.该算法构造了测地距离和共享最近邻的数据点之间的相似度矩阵,克服欧式距离对高维数据的局限性,更好地刻画数据集的真实情况.通过分析数据的分布特征来自适应确定Eps和MinPts参数.实验结果表明,所提GS-DBSCAN算法能够有效地对复杂分布的数据进行聚类,且在高维数据的聚类准确率高于对比算法,验证了算法的准确性和可行性.     

矩阵奇异值分解及其在高维数据处理中的应用

矩阵奇异值分解能够实现对高维数据的局部特征提取及维数约减,在智能信息处理和模式识别研究领域具有十分重要的应用价值.首先分析了高维数据处理所面临的困境,并对常用的降维算法进行简单的归纳总结;然后阐述了矩阵奇异值分解的基本原理及其在维数约减和数据压缩中的物理意义;接着通过分析两种建立在奇异值分解基础上的PCA与LSA降维算法的数学导出过程,进一步给出了两者的等价性证明;最后总结了矩阵奇异值分解的优缺点,并且预测了高维数据处理技术未来的发展趋势.     

数据的多流形结构分析

建立了基于ALM和权值的LRR聚类改进模型,对高维数据进行分析,将其分为两个独立的子空间,并与传统k-means聚类模型进行对比,采用评价指标模型对聚类结果进行评价分析.提出的LRR聚类改进模型在正则项引入了权重系数w,可以更好地将扰动分开,求解结果及评价指标均有效地验证了其稳定性、精确度等性能均有所提升.建立了SMMC改进模型,对机器工件外部边缘轮廓进行分类.从求解结果可看出该模型非常适合用于处理混合多流形聚类问题,对于比较复杂的曲线有着很好的分类性能.按照数据预处理、数据建模分析、模型结果评价步骤,通过使用谱聚类分析和多流形学习方法,对所给出的高维数据进行分析和处理,并通过评价模型得出相应的评价指标,对数据的多流形结构进行了深入的研究和探讨.     

高维线性回归模型稳健变量选择方法综述

随着大数据时代的到来,在经济学、金融学和生物医学等众多研究领域中频繁收集到高维数据.高维数据的特征之一是变量维数p随着样本量n的增加而变大且通常会超过样本量,同时,异常值也容易出现在高维数据中.因此,如何克服异常值给高维统计推断带来的影响,从而得到更精确的模型,是目前统计学研究的热点问题之一.本文是对高维线性模型下的稳健变量选择方法进行综述.具体地,首先介绍评估稳健性的三个指标:影响函数、崩溃点和最大偏差.其次着重介绍了稳健变量选择方法,包括响应变量含有异常值,响应变量和协变量都含有异常值,高崩溃点且高效的变量选择方法.紧接着介绍相关算法,通过模拟和实例比较不同变量选择方法.最后,简要探讨了高维稳健有效变量选择方法存在的问题及未来的可能发展方向.     

双层Kidder自相似解及其Rayleigh-Taylor不稳定性研究

将单层Kidder自相似解推广到双层,使得两层壳体的交界面两侧存在密度跳跃,使得轻流体向重流体加速产生Rayleigh-Taylor不稳定性;通过采用Lagrange坐标下的Godunov方法进行一维直接数值模拟,将模拟解与双层Kidder自相似基本解进行比较,验证了双层Kidder自相似解的可靠性;最后,通过编制球形内爆的三维扰动的线性稳定性分析程序,对双层Kidder自相似解的Rayleigh-Taylor不稳定性进行了分析计算.计算结果表明:初始扰动越集中于交界面,会造成后期扰动增长得越快,越不稳定;扰动波数越大,扰动增长得越快,越不稳定;从扰动在空间上的发展来看,可压缩性研究表明内外壳体的可压缩性对扰动增长起着相反的作用,外层壳体的可压缩性对Rayleigh-Taylor不稳定起失稳作用,而内层壳体的可压缩性对Rayleigh-Taylor不稳定起致稳作用.     

正向多维带跳随机微分方程比较定理

本文研究了高维及矩阵值带跳随机微分方程, 给出其比较定理成立的一个充分必要条件.     

维数发散乘积回归模型的M估计

针对乘积回归模型,本文提出了非凹惩罚最小乘积相对误差的M估计(简称为惩罚MLPRE),该方法可有效处理高维样本量及参数维数随样本量增大而增大的稀疏乘积回归模型.基于一些正则条件,本文得到惩罚M-LPRE参数估计的相合性和渐近正态性等理论性质,通过数值模拟和实例分析,验证了惩罚M-LPRE准则的有效性.     

基于条件分布函数的高维回归模型的变量选择方法

高维回归分析的变量选择问题是目前统计学研究的一个热点和难点问题.提出了一个基于条件分布函数的相关性度量准则,并在此基础上提出三种变量选择方法.与现有的方法相比,提出的方法不依赖于统计模型,可以适用于线性模型和非参数可加模型.数值模拟结果表明,即使协变量之间存在一定的相关性,方法也有较为满意的表现.     

基于广义动态因子模型的中国出口周期分析与预测

研究出口周期的景气循环对于进一步扩大出口及推动整个国民经济的发展具有重要的意义.基于传统的先行指标体系和SW景气指数方法能够为出口周期的监测和预警提供参考,而近年来逐渐完善的广义动态因子模型基于频域分析方法,在处理高维数据方面比前两种方法更具有优势,同时该方法在拐点的探测方面也具有重要的作用.作者首先对三种指数构建方法进行了理论上的介绍;其次,分别运用三种方法构建了中国出口增长循环的一致及先行指数;最后,对三种方法在中国出口周期分析上的表现进行了比较与评价,得出了一些重要的结论.     

可加风险模型下现状数据的降维问题

文章基于可加风险模型假设,采用偏最小二乘回归和有监督的主成分回归两种投影降维方法,研究了高维协变量情况下现状数据的降维问题。通过深入地模拟试验,对比两种降维方法在高维相关现状数据的生存预测方面的表现,最后将两种降维方法结合实际数据集进行实证分析。模拟和实证结果表明这两种降维方法能很好地处理具有高维、强相关协变量的小样本数据集,比如基因微阵列数据。在后续的研究中,有望将现状数据扩展至其它更一般的区间删失数据。     

基于经验似然比检验的高维非参EWMA控制图

随着传感技术和数据采集系统的逐渐完善,大量复杂高维数据可以被收集,对多变量和高维数据流进行监控往往是现代制造业和质量管理部门的一个基本要求.然而,在高维数据监控领域中,由于“维数的诅咒”以及变量的分布通常是复杂未知的,大多数传统的多元控制图不再适用.针对这种情况,一些研究者讨论了对分布未知且复杂高维数据的均值向量的各种检验,但这些检验很少适用于Phase II阶段的过程监控.文章提出了一种基于高维经验似然比检验的EWMA型非参数监控方案,该方案可用于多元过程和高维过程均值向量的监控,并且适用于子组数据流.所提出的控制图不仅易于实现和解释,而且蒙特卡罗数值模拟结果显示该控制图在对称、偏态、厚尾分布中都能有效地监测均值漂移.最后,将所提出的控制图应用于半导体制造过程,结果显示文章的方法对未通过测试的半导体具有良好的监控效果.     

Hardy平均及其不等式

本文研究了涉及Hardy平均的不等式问题.借助于优超理论,获得了2维Hardy平均不等式成立的充要条件及n维Hardy平均不等式的充分条件.并为建立解析不等式和高维结果提供了一些方法.     

基于模糊的投影寻踪算法在中医证候分类中的应用

本文提出一种新的聚类算法-基于模糊的投影寻踪算法,可以有效的处理医学中常常遇到的高维混合数据的模糊聚类问题.并将其应用在慢性肾衰的辩证分析问题中,为已有的慢性肾衰证候的分型标准提供科学支持.本文的研究方法为中医辩证的现代化研究开拓了新的思路,值得进一步深入探讨。     

高维约束矩阵回归问题

高维约束矩阵回归是指高维情况下带非凸约束的多响应多预测统计回归问题,其数学模型是一个NP-难的矩阵优化,它在机器学习与人工智能、医学影像疾病诊疗、基因表达分析、脑神经网络、风险管理等领域有广泛应用.从高维约束矩阵回归的优化理论和算法两方面总结和评述这些新成果,同时,列出了相应的重要文献.