弱相依半参数回归模型的加权小波估计的渐近正态性

本文研究了半参数回归模型y_i=X'_iβ+g(t_i)+e_i,i=1,2,···,n,其中{e_i}为ψ-弱相依随机误差序列.利用小波估计的方法得到了参数、非参数的加权小波估计量.在相当一般的条件下,获得了这些小波估计量的渐近正态性,不仅推广了半参数回归模型的相应结果,而且在一定程度上统一了相依半参数回归模型的渐近正态性的理论.     

一类非线性椭圆方程的刘维尔型定理

设（Mⁿ,g）是一个n维非紧的完备黎曼流行.本文考虑有正解的非线性椭圆方程△_fu+au log u=0的刘维尔型定理,其中a是一个非零常数.利用Bochner公式和极大值原理,获得了以上方程在Bakry-Emery里奇曲率有下界时正解的Li-Yau型梯度估计和某些有关的刘维尔理论,推广了文献[7]的结果.     

非光滑半无限多目标优化问题的对偶性北大核心CSCD

研究了一个非光滑半无限多目标优化问题(简记为SIMOP)并讨论它的对偶性.本文重点考虑此SIMOP的Mond-Weir型半无限多目标对偶问题,通过对目标函数和约束函数的某种组合赋予Clarke-凸性假设,获得了弱/强/逆对偶结论.文章的一些结论是比较新的,并推广了已有文献的一些结果.     

基于白化值的区间DEA建模

传统数据包络分析要求输入输出数据为精确数,然而在某些实际应用中,区间形式的数据相较于精确数更容易获得.将区间数转化为白化值,并基于传统C~2R模型提出了基于白化值的区间C~2R模型.考虑到决策单元的有效性不易通过基于白化值的区间C~2R模型来判断,因此将非阿基米德无穷小概念引入到上述模型,构建了具有非阿基米德无穷小的区间C~2R模型.此外,还给出了用于判断决策单元有效性的区间目标规划方法:分别通过G_(IC~2R)模型和WG_(IC~2R)模型判断决策单元是否为区间DEA有效与区间弱DEA有效.     

数量折扣契约下基于成本分担的供应链突发事件协调应对

突发事件会增加供应链成本,如何进行成本分担是决定供应链能否协调应对突发事件的重要因素.用参数分别描述市场需求剧增时增加的生产成本和市场需求剧减时发生的多余产品处理成本,在数量折扣契约基础上,研究突发事件发生后制造商的最优批发价格和零售商的最优订货量,分析其影响因素比较突发事件发生前后包括市场剧增与市场剧减两种情况下的差异,并给出了数值算例.结果表明,成本分担系数和市场需求分布及其变化都会影响最优批发价格和最优订货量,只要根据市场需求变化相应调整契约参数并合理分担由突发事件增加的成本,通过数量折扣契约供应链就能够协调应对突发事件.     

基于回归分析方法下公共交通对经济增长的影响分析

随着社会经济的发展及人们环保意识的不断增强,公共交通事业的发展及其投资力度不断加大,公共交通在给人们带来方便的同时也在带动着经济的发展.通过扩展的生产函数模型,采用普通最小二乘方法对2003-2012年间的公共交通数据进行估计分析,并找出有异常值的样本点,然后利用稳健MM估计方法进行估计,结果表明公共交通变量对经济的影响具有正相关作用.     

GARCH(1,1)模型的稳健估计比较及应用

首先阐述了GARCH(1,1)模型稳健估计的构造方法,然后在模型有无异常值扩散效应约束和异常值比例不同的情况下,比较了传统QMLE估计和多种稳健M估计的表现,结果表明:在数据无异常值下,QMLE估计较优;随着异常值比例增加,稳健Andrew估计表现更好;模型施加异常值扩散效应约束对估计有一定改善但不显著.最后选取波动程度不同的两个阶段沪深300指数的收益率,用模型拟合进行了实例比较,在波动程度较大时,Andrew估计效果较优,在波动相对平稳时,LAD估计较优.     

基于果蝇算法优化广义回归神经网络的矢量水听器的DOA估计

为了提高矢量水听器阵列对窄带信号的DOA估计精度,运用果蝇算法优化广义回归神经网络,通过对阵列协方差矩阵实值化,并提取信号子空间的基作为样本特征进行网络训练,构建了果蝇算法优化下的广义回归神经网络,实现了基于矢量水听器阵列的水下声源的DOA估计.仿真实验结果表明,方法泛化性能较好,能解决输入维数过大的问题,且运行时间短,DOA估计精度高,具有较强的工程应用价值.     

基于多目标影响图效果作战模型

针对目前基于效果作战评估中没有涉及多目标以及决策者的偏好的情况,将多目标影响图引入到基于效果作战模型.首先分析了基于效果作战中各主要要素之间关系,其次提出了基于效果作战模型构造过程,然后将其与多目标决策理论结合建立了多目标基于效果作战模型,用多目标影响图对其进行建模,并给出了求解方法,最后将基于多目标影响图效果作战模型应用于空战任务分配中.仿真结果表明该模型的有效性.     

统计模型在中文文本挖掘中的应用

本文讨论了中文文本挖掘的三个问题:分词、关键词提取和文本分类。对分词问题,介绍了基于层叠隐马尔可夫模型的ICTCLAS分词法,以及将词与词之间的分隔视为缺失数据并用EM算法求解的WDM方法;对关键词提取问题,提出了贝叶斯因子法,并介绍了使用稀疏回归的CCS方法;对文本分类问题,介绍了根据关键词频率建立分类器的方法,以及先建立主题模型再根据主题概率建立分类器的方法。本文通过两组文本数据对上述方法进行比较,并给出使用建议。