多种分布下选择后变量显著性分析及其在CEPS数据中的应用

在使用变量选择方法选出模型后,如何评价模型中变量系数的显著性是统计学重点关注的前沿问题之一.文章从适应性Lasso变量选择方法的选择结果出发,在考虑实践中误差分布多样性的前提下,基于选择事件构造了模型保留变量系数的条件检验统计量,并给出了该统计量的一致收敛性质的证明过程.模拟研究显示,在多种误差分布下所提方法均可进一步优化变量选择结果,有较强的实用价值.应用此方法对CEPS学生数据进行了实证分析,最终选取了学生认知能力等10个变量作为影响中学生成绩的主要因素,为相关研究提供了有益的参考.     

大口径石英基底衍射透镜的高精度制备方法

针对传统接触式曝光过程中掩模版因自身重力产生形变从而引入不可忽视的线宽误差和位置误差的问题,提出了一种大口径石英基底衍射透镜的高精度制备方法.采用背面具有真空道的高平面度、高强度金属校正工装吸附在掩模版上,利用掩模版上下表面的压强差使其与工装高度贴合,确保掩模版的高平面度.待石英基底所有区域均与掩模版结构面紧密贴合后取下工装.完成接触式曝光和显影后,采用反应离子刻蚀技术对大口径石英基底进行刻蚀,最终得到高精度微纳米结构.经有限元分析,使用该校正工装后,掩模版的形变量由28.85μm减小为0.88μm.实验结果表明,采用该方法制备的口径430mm两台阶石英基底菲涅尔衍射透镜波像差优于1/25λ,平均衍射效率为38.24%,达到理论值的94.35%,具有良好的聚焦和光学成像效果.     

基于SMA模型的扩张型心肌病影响基因分析

医学研究表明约30%的扩张型心肌病与遗传因素有关,因此从基因水平寻找其病因及发病机制越来越引起国内外学者的重视.采用针对超高维数据的序贯模型平均(SMA)方法对扩张型心肌病转基因小鼠微阵列数据建立回归模型,确定哪些基因对小鼠中G蛋白偶联受体的过表达有影响从而导致小鼠的心肌病,结果发现Msa.2877.0,Msa.741.0,Msa.768.0和Msa.2604.0四个基因是影响小鼠扩张型心肌病的主要基因,且SMA对该数据的拟合和预测都明显优于以往常用的SIS,L2boost及Lasso等变量选择方法.研究结果对进一步了解人类心脏病的发病机理有一定的借鉴意义.     

n人可信策略博弈

本文研究模糊支付n人策略博弈,由于支付信息的不完全性,模糊支付可视为模糊变量。基于可信性理论,在不同的决策环境中引入模糊排序方法表征支付者行为。因此,本文定义四种可信均衡,等价于纳什均衡。其次证明了可信均衡存在性定理。除此之外,在现实策略博弈中用算例说明四种可信均衡的现实意义。最后讨论四种可信均衡之间可能存在的关系。     

若干高维可积和不可积模型的严格解

可积和不可积模型可以描述自然科学中的诸多现象, 寻找高维非线性模型的严格解已成为可积系统的一个重要研究内容. 结合达布变换法和多线性分离变量法, 可以得到多个(2+1)维非线性模型包含任意函数的严格解, 通过选取不同的任意函数, 构造这些非线性模型新的相互激发模式. 进一步推广了形变映射理论, 建立了变系数 场和sine-Gordon以及双sine-Gordon场的形变映射关系, 从而得到高维不可积模型包含任意函数的新严格解. 对任意函数的不同选择, 构造了sine-Gordon和双sine-Gordon可积模型丰富的局域解和周期解, 如多solitoff解及其周期波推广、周期形变的蛇形孤波解以及变模的拟周期解等.     

基于PSO-HJ算法的多无人机协同航迹规划方法

针对多无人机协同航迹求解计算量大、难以收敛等问题,提出了一种基于粒子群优化和Hook-Jeeves (PSO-HJ)搜索算法相融合的多无人机时间协同三维航迹规划方法。首先,建立了单无人机航迹规划求解模型。然后,通过对适应度评价函数值低的粒子引入Hooke-Jeeves搜索算法,提高了粒子多样性,改善了航迹规划算法收敛性;对不满足约束的粒子引入约束违反度函数,基于比较准则提出了一种新的粒子评价机制,促进粒子搜索位于约束边界的最优解,加快了航迹规划算法的计算效率。最后,设计了一种多无人机时间协同航迹规划求解算法,利用PSO-HJ算法先分别求解单无人机航迹信息,通过多无人机集中航迹规划层协调到达时间实现协同航迹规划。仿真结果表明,PSO-HJ算法的精度比量子粒子群(QPSO)算法精度提高了20.85%,比PSO算法精度提高了58.14%,更适用解决实际复杂的多机协同规划问题。     

Kustaanheimo–Stiefel变量与二体问题的正规化

本文叙述Kustaanheimo–Stiefel变量及其从四元数发展形成的过程，以及Kustaanheimo–Stiefel变换在二体问题正规化中的应用。     

基于LASSO算法的光谱变量选择方法研究

光谱分析技术由于具有简单、快速、无损等优势,在复杂体系的定性和定量分析中得到了广泛应用。然而光谱中往往包含成百上千的波长点,有些波长点与研究的目标性质并不相关,加大了计算量并降低了模型的预测准确度。因此,在建立模型前需要进行变量选择。最小绝对收缩与选择算子（LASSO）可将回归系数收缩为0,进而达到变量选择的目的。该研究将LASSO用于三元调和油样品近红外光谱和生物样品拉曼光谱的变量选择,基于偏最小二乘（PLS）和多元线性回归（MLR）模型,分别对香油和肌氨酸的含量进行定量分析,并与无信息变量消除－PLS（UVE－PLS）、蒙特卡罗结合UVE－PLS（MCUVE－PLS）和随机检验－PLS（RT－PLS）3种变量选择方法进行比较。结果表明,基于LASSO的变量选择方法保留的变量数最少,运算速度最快。对三元调和油样品,LASSO－PLS预测的准确度最高;对生物样品,LASSO－MLR预测的准确度最高。因此,基于LASSO的变量选择算法有望在光谱分析领域中得到良好应用。     

轨形Gromov-Witten不变量沿光滑点的加权涨开公式

本文考虑,当一个紧辛轨形群胚(X,ω)沿着光滑点作加权涨开时,它的形如<α_1,…,α_m,[pt]>_(g,A)~X的轨形Gromov-Witten不变量的变化公式,其中[pt]∈H_(dR)~(2n)(X)是生成元,dimX=2n.我们证明了对于非零A∈H_2(|X|,Z),<α_1,…,α_m,[pt]>_(g,A)~X={_(g_1,pl(A)-e’)~xdimX=4,g≥0,∑((-1)g_1·2)/(2g_1+2)!_(g_2,pl(A)-e’)~xdimX=6,g≥0,_(g_1,pl(A)-e’)~xdimX≥8,g=0其中x是X沿一光滑点的权α=(α_1,…,α_n)的加权涨开,且α_1≥α_i,2≤i≤n.