拟偏b-距离空间中循环映射的不动点定理

在拟偏b-距离空间中,建立了一类循环映射的不动点定理.结果统一并推广了Fan最近的结果.最后,给出一个例子支持我们的结果.     

一类Neumann边值问题非平凡解的存在性

利用临界点理论中的对称山路引理和分析技巧,研究一类Neumann边值问题在超二次条件下非平凡解的存在性,获得了一些新的可解性条件,进一步统一和改进了相关文献的结果.     

与共轭点有关的近于凸函数Fekete-Szeg问题

引进了单位圆盘内与共轭点有关的近于凸函数新子类C_c(α,μ,A,B),讨论了该类中函数的Fefkete-Szeg问题,所得结论推广了一些作者的相关结果.     

EFK方程一个新的低阶非协调混合有限元方法的高精度分析

对Extended Fisher-Kolmogorov(EFK)方程,利用EQ_1~(rot)元和零阶RaviartThomas(R-T)元建立了一个新的非协调混合元逼近格式.首先,证明了半离散格式逼近解的一个先验估计并证明了逼近解的存在唯一性.在半离散格式下,利用上述两种元的高精度分析结果以及这个先验估计,在不需要有限元解u_h属于L~∞的条件下,得到了原始变量u和中间变量v=-?u的H~1-模以及流量p=u的(L~2)~2-模意义下O(h~2)阶的超逼近性质.同时,借助插值后处理技术,证明了上述变量的具有O(h~2)阶的整体超收敛结果.其次,建立了一个新的线性化向后Euler全离散格式并证明了其逼近解的存在唯一性.另一方面,通过对相容误差和非线性项采取与传统误差分析不同的新的分裂技巧,分别导出了以往文献中尚未涉及的关于u和v在H~1-模以及p在(L~2)~2-模意义下具有O(h~2+τ)阶的超逼近性质,进一步地,借助插值后处理技术,得到了上述变量的整体超收敛结果.这里h和τ分别表示空间剖分参数和时间步长.最后,给出了一个数值算例,计算结果验证了理论分析的正确性.     

白骨化尸体死亡时间的推断

本文分析了15具白骨化尸体标本的股骨汞(Hg),铅(Pb),镉(Cd)元素含量数据,在三年的时间内采集了3次,一共收集到45个数据。首先将这组数据看着纵向数据,利用线性随机效应混合模型、Cox随机混合效应模型进行分析,结果显示,如果对每个白骨化尸体标本建立线性模型,可以精确预测出死亡时间,而且不需要采集铅元素含量数据。混合效应模型的预测效果也很好,最大误差不会超过1个月。其次我们对数据不作任何假设,利用机器学习中随机森林方法分析数据,并利用5折交叉验证方法来判断结果的可靠性,训练集和测试集的NMSE分别为0.1205944,0.5604286,因此可以用训练出的模型来预测死亡时间。     

半参数线性混合效应模型的联合变量选择

多数基于线性混合效应模型的变量选择方法分阶段对固定效应和随机效应进行选择,方法繁琐、易产生模型偏差,且大部分非参数和半参数的线性混合效应模型只涉及非参数部分的光滑度或者固定效应的选择,并未涉及非参变量或随机效应的选择。本文用B样条函数逼近非参数函数部分,从而把半参数线性混合效应模型转化为带逼近误差的线性混合效应模型。对随机效应的协方差矩阵采用改进的乔里斯基分解并重新参数化线性混合效应模型,接着对该模型的极大似然函数施加集群ALASSO惩罚和ALASSO惩罚两类惩罚,该法能实现非参数变量、固定效应和随机效应的联合变量选择,基于该法得出的估计量也满足相合性、稀疏性和Oracle性质。文章最后做了个数值模拟,模拟结果表明,本文提出的估计方法在变量选择的准确性、参数估计的精度两个方面均表现较好。     

小样本定数截尾场合下威布尔和对数正态分布的拟合检验

本文给出了小样本定数截尾场合下两参数威布尔分布和对数正态分布的拟合检验方法,该方法还适用于一般的位置-刻度参数族分布,论文还通过实际算例说明方法的可行性。     

非线性半定规划的逐次线性化柔性惩罚法

针对非线性不等式约束半定规划问题提出一种新的逐次线性化方法, 新算法既不要求罚函数单调下降, 也不使用过滤技巧, 尝试步的接受准则仅仅依赖于目标函数和约束违反度, 罚函数中对应于成功迭代点的罚因子不需要单调增加. 新算法或者要求违反约束度量有足够改善, 或者在约束违反度的一个合理范围内要求目标函数值充分下降, 在通常假设条件下, 分析了新算法的适定性及全局收敛性. 最后, 给出了非线性半定规划问题的数值试验结果, 结果表明了新算法的有效性.     

反对称线性函数与行列式

通过对反对称线性函数及其性质的探讨,给出了有关行列式传统结论的一种新的表述,将几何直观与行列式的运算有机结合起来,以揭示行列式的一些更直观、具体的内涵.     

线性模型中广义最小二乘参数估计误差分布的稳健性研究

研究了线性模型中广义最小二乘参数估计的误差分布稳健性问题.首先讨论了在线性统计模型里,设计矩阵为列降秩矩阵时,模型中给出了误差最大分布类,当误差向量的分布在此范围内变动时,LS估计和GLS估计在均方误差矩阵准则下是最优估计.然后进一步探讨广义最小二乘估计GLSE关于误差分布的稳健性,求出误差项所对应的最大分布族,进而证明了在该区间波动情况下,误差向量对应的始终为一致最优解.