基于混沌优化和自适应反向学习的秃鹰搜索算法

针对秃鹰搜索算法求解精度低、收敛速度较慢、容易陷入局部最优的问题,提出一种基于混沌优化和自适应反向学习的秃鹰搜索算法.首先,在选择搜索空间阶段引入正弦混沌映射更新秃鹰群位置,增加随机性,优化全局搜索能力;其次,在俯冲捕获猎物阶段加入指数自适应,平衡了全局搜索和局部搜索,同时加快收敛速度;最后,对更新后的最优秃鹰位置使用反向学习策略,提高跳出局部最优的可能性.选取12个测试函数对算法的性能进行了测试,结果表明本文改进的秃鹰搜索算法具有更优的求解精度和收敛速度.     

半参数门限广义非对称随机波动模型研究

为了能够同时刻画和描述金融资产收益序列的偏态、厚尾以及序列的门限效应、非对称杠杆效应等特性,提出把门限广义非对称随机波动模型与非参数Dirichlet过程混合模型有机结合,构建了半参数门限广义非对称随机波动模型,并对模型进行了贝叶斯分析.实证研究中,利用上海黄金价格收益率序列数据进行建模分析,结果表明:半参数门限广义非对称随机波动模型能够有效地刻画上海黄金价格收益率序列波动率的动态特征.     

指数分布危险函数的经验Bayes双侧检验的收敛速度: Ⅱ型截尾情形

本文讨论了Ⅱ型截尾情形下指数分布危险函数的经验Bayes (EB)双侧检验问题. 利用概率密度函数的核估计构造了经验Bayes检验函数, 在适当的条件下获得了它的收敛速度.     

基于Stein损失污染数据情形下刻度参数的经验贝叶斯估计

本文研究基于污染数据情形的一类广义指数分布刻度参数的经验贝叶斯估计问题.在stein损失函数下,导出刻度参数的贝叶斯估计以及利用解卷积的核方法构造了该参数的经验贝叶斯估计.在适当的条件下,基于超平滑误差分布类证明所提出的经验贝叶斯估计的渐近最优性.     

负相伴样本情形连续型单参数指数族参数的经验Bayes检验问题

在加权"线性损失"下讨论了负相伴样本情形连续型单参数指数族参数的经验Bayes(EB)检验问题.利用概率密度函数的核估计构造了参数的经验Bayes检验函数,并获得了它的渐近最优(a.o.)性,在适当的条件下证明了所提出的经验Bayes检验函数的收敛速度可任意接近O(n-1/2).     

熵损失下一类广义指数分布刻度参数的经验Bayes估计[英文]

本文在熵损失函数下获得一类广义指数分布刻度参数的贝叶斯估计,并构造了相应的经验贝叶斯估计.在适当的条件下证明所提出的经验贝叶斯估计的渐近最优性并获得了其收敛速度.最后,给出一个有关本文主要结果的例子.