成比例附加故障混合模型

Frailty模型和可加故障模型在研究各种风险因素与疾病发生原因的关系中提供了两种重要的方法.在不知哪个模型更适合数据时,涵盖这两个模型的成比例附加故障模型提供了一个备选模型.Frailty基本上是观察不到的,需要考虑对应的混合模型.本文研究了成比例附加故障混合模型的年龄性质、相依性质.并对该模型中的那些随机变量进行了随机比较.     

多图模型的联合估计的群桥方法

高斯图模型研究独立随机变量之间的关系.主要针对该模型,提出了一种分层惩罚连接单个图模型估计的多图模型.研究了新模型的高维统计性质,给出模型的参数估计,并得到了相合性及稀疏性两大理论.     

分层广义线性模型在准备金评估中的建模研究

考虑到赔付流量三角形数据同一事故年反复观测的纵向特征以及数据结构的层次性,建立了分层广义线性模型.与通常的随机模型相比,分层广义线性模型不但可以选择条件反应变量的分布而且风险参数分布范围也更加广泛.利用h-似然函数估计分层广义线性模型的模型参数,降低了计算量.为使模型具有可比性,评估模型的预测精度,推导了模型预测误差的估计式.为充分利用已知赔付信息,将赔付额和赔付次数两种赔付信息纳入未决赔款准备金评估模型,建立了两阶段分层广义线性模型.在线性预测量中考虑了各种固定效应和随机效应以及模型结构的散布参数,改进了线性预估量结构.研究表明:分层广义线性模型对于数据的各种分布及形式都具有很好的适应性,更加符合保险实务现实的赔付规律.     

修正的整数DEA模型及其在中西部高校社科研究中的应用

传统的DEA模型有时并不能给出含有整数值决策单元的准确投影方向,而现有的整数DEA模型还存在投影值不准确以及模型过于复杂等不足.因此,首先指出并说明已有整数DEA模型存在的问题.其次,给出了一个修正的整数DEA模型,并讨论了模型的性质以及与已有模型的关系.考虑到现实评价中投入产出指标同时含有整数与非整数的情况,进而给出了在修正模型下的混合整数DEA模型.最后,应用提出的模型分析并比较了中国中西部102所高校的社科研究效率及优化问题.     

Markov相依风险模型的等价定理及概率结构

严格定义了Markov相依风险模型.证明了该模型的一个等价定理,使得Markov相依风险模型中的诸过程之间的关系更清晰.获得了Markov相依风险模型的概率结构,构造性地证明了该模型的存在定理.     

路面平整度的时间序列模型

介绍非标准道路的路面平整度的时间序列模型,研究道路实测数据的时间序列模型.通过对实际路段的数据采集,进行道路平整度实例分析和道路平整模型的平稳性检验、模型的识别和估计,确定了模型参数,检验模型的适用性.实例表明了模型的置性度和合理性.     

基于连续可分的广义非线性纵向数据模型偏离名义离差的score检验及其功效

指数族非线性模型或广义非线性模型是广义线性模型和正态回归模型的自然推广.本文针对可分的连续型指数族回归模型(如正态模型,Γ模型,逆高斯模型),讨论广义非线性纵向数据模型中偏离名义离差的检验问题,得到了检验的score统计量,并推导了它们的渐近分布和局部近似功效.然后利用Monte Carlo方法研究了检验统计量的性质.最后利用百慕大草地数据说明了检验方法的应用.     

冲击模型:进展与应用

综述了近30年来冲击模型研究的主要进展.介绍了一个新模型(δ-冲击模型)及其最新工作.基于簇生标值点过程的结构,给出了冲击模型的一个一般性框架,最后作为特例提出并分析了一个新的保险风险模型.     

一类有被动免疫的流行病模型研究

对一类具有被动免疫的流行病模型进行了定性分析和讨论.得到了这些模型的基本再生数R0,对有些模型得到了地方病平衡点的全局稳定性.并且在MSIR模型中还考虑了接种.     

图像恢复问题中减少梯子现象的一种新模型

自从Rudin,Osher和Fatemi提出图像处理的经典模型--- ROF模型, 总变差模型成为图像处理中一个普遍有效的工具. 总变差模型具有保留边界轮廓的优点, 但同时也导致了光滑边界的不连续性, 即梯子现象. 该文在ROF模型的基础上, 针对梯子现象, 提出一种新的图像去噪模型, 并且利用一种新的对偶方法对问题进行求解. 数值实验证明, 新的模型保留了ROF模型的优点, 同时明显地减少了梯子现象.     

SFE-SSD: 浅层特征增强的SSD算法在小目标检测问题中的研究与应用

SSD (Single Shot Multibox Dectetor)算法由于具有高速且高精度的检测性能,是目前最好的目标检测算法之一.但由于提取检测框的特征层的特征信息不足, SSD算法在小目标检测任务中表现不佳.为了解决这个问题,目前大部分方法以严重牺牲检测速度为代价提升目标检测模型的精度. 本文提出了SFE-SSD (Shallow Feature Enhancement SSD)提升SSD模型在小目标检测任务中的性能.首先我们采用反卷积操作对SSD算法中检测框金字塔特征层的最浅特征层进行特征扩张.接着通过特征融合机制对扩张后的特征层进行特征增强操作.浅层特征增强策略与SSD 的原始框提取金字塔特征层是并行结构,一定程度上是可以减少检测速度的损失.实验结果显示,我们的方法在PASCAL VOC 2007数据库上精度达到了78.4\%mAP高于SSD算法1.2\%,检测速度达到了81帧/秒,并且在小目标检测任务中有着显著的提升.     

一种基于用户识别特征模型的中医药健康养老信息推送算法

通过分析传统协同过滤算法的优缺点,设计构建用户识别特征模型,并提出基于用户识别特征模型的协同过滤算法,将经典协同过滤算法与基于用户识别特征模型的协同过滤算法进行比较试验,分析基于用户识别特征模型的协同过滤算法相对于经典协同算法的优势,进而证明其能够在中医药健康养老信息的推送过程中提高效率。     

特征选择方法在信用评估指标选取中的应用

在信用评分模型中所运用的指标变量对模型的表现有重要的影响,指标选取方法的科学化规范化水平有待于进一步提高。本文研究了机器学习领域的特征选择方法在定量确定信用评分模型指标体系上的应用。以实际信用评估问题为例,对四种特征选择方法(ReliefF方法、基于相关性的方法、基于一致性的方法和包裹性)进行了比较试验,验证了特征选择方法可以在精简性、速度和准确率三个方面提高信用评分模型的表现。其中基于一致性的方法和包裹法表现优于Reli-efF方法和基于相关性的方法。     

交互式点云建模系统

设计和实现了一个用于车载激光扫描点云处理的交互式建模系统.其原理是:在真实建筑物激光扫描数据的基础上,通过RANSAC实现自动化点云几何特征提取预处理,采用交互引导的方式辅助特征提取,采用随机算法计算边界特征,并通过构建多边形边界邻接图,计算建筑物几何模型.除特征提取外,涉及到的计算都是实时的.与传统处理方法相比,该系统具有速度快、精度高等优点.     

基于特征参数分布的机载电子设备故障诊断与预测

基于特征参数趋势进化的故障预测是一种有效的方法,引入了一种考虑特征参数概率分布的新型判据进行多故障模式诊断与预测.基于过程神经网络建立了高精度预测模型,根据模型和部件使用记录进行趋势预测.基于方法对机载电子设备进行案例研究,结果表明,方法的判定结果更加符合多故障模式并存、故障严重程度不同的实际情况,而具有较高拟和、泛化预测精度的PNN模型是一种有效的趋势预测方法.     

区间型符号数据的特征选择方法

对区间型符号数据进行特征选择,可以降低数据的维数,提取数据的关键特征。针对区间型符号数据的特征选择问题,本文提出了一种新的特征选择方法。首先,该方法使用区间数Hausdorff距离和区间数欧氏距离度量区间数的相似性,通过建立使得样本点与样本类中心相似性最大的优化模型来估计区间型符号数据的特征权重。其次,基于特征权重构建相应的分类器来评价所估计特征权重的优劣。最后,为了验证本文方法的有效性,分别在人工生成数据集和真实数据集上进行了数值实验,数值实验结果表明,本文方法可以有效地去除无关特征,识别出与类标号有关的特征。     

基于XGBoost的上市企业财务违约预测研究

公司年度报告中的管理层讨论与分析部分是企业信息披露的重要组成.构建表面情感语调STONE和隐含违约倾向IPD两个文本特征指标对年报中管理层讨论与分析的定性文本数据进行量化,并提出了一种基于XGBoost的上市公司财务违约预测模型,该方法对上市公司财务违约实现了较好的预测效果.根据特征重要性排序对特征与财务违约之间的关系进行挖掘,进一步利用敏感性分析验证了表面情感语调和隐含违约倾向指标的有效性.     

基于目标尺度的自适应加权函数特征点检测方法

为提高Harris特征点检测方法对噪声的鲁棒性,通过一般化目标尺度的概念,应用到检测算子的加权函数之中,使得对于不同噪声强度的图像,滤波模板具备自适应性.针对高斯函数和双边函数,在每一个像素通过邻域搜索的方式得到该像素的目标尺度,作为高斯函数的标准差和双边函数的空间标准差,进而可根据相关准则确定离散情况下滤波模板的大小.试验结果表明,各种检测算子的优化方案能够有效地滤除图像中的噪声,不但减少了将噪声作为角点的情况发生,而且对不同噪声的变化具备较好的鲁棒性.     

超声回波射频(RF)信号的特征值提取

在超声波射频(RF)信号处理过程中,分别以标准试块、锻铝、水的超声反射回波信号为研究对象,进行时域波形特征值的提取及选择,并以降维分析的方法对测试样品进行聚类识别。研究表明:应用t假设检验方法,可以有效的对特征值进行评估及分析,进而取得最佳特征子集;聚类分析结果表明,本文提出的特征值对被检对象具有较强的识别能力。     

基于智能化信息处理的建筑工程造价短期预测

提出了一种新的基于智能化信息处理的建筑工程造价短期预测模型.该模型首次利用数据的高阶统计信息,提出了改进独立分量分析技术.通过构建适用于建筑工程造价的属性重构空间,挖掘出表征能力更强的造价独立属性,用于神经网络的学习和训练,从而建立了全新的建筑工程造价短期预测智能模型.该模型通过发挥独立分量分析强大的信号分离能力,增强了神经网络的学习效率,提高了预测精度.实例数据验证了文中所建模型的有效性.