基于大规模高维线性回归模型的分布式计算方法研究

大数据背景下挖掘大规模高维数据所隐藏的信息备受关注.本文主要目的是采用分布式优化方法解决加SCAD和Adaptive LASSO惩罚的高维线性回归中的参数估计和变量选择问题.主要方法是通过构造全局损失函数的一个交互有效的正则化替代损失函数,把基于全局损失函数的优化问题转化为基于替代损失函数的优化问题.本文设计的修正的ADMM算法,在计算上,只需要子机器基于局部数据计算梯度,而主机器进行参数估计和变量选择.在主从机器交互复杂度上,基于替代损失函数所得的估计误差收敛于基于全局损失函数所得的估计误差.通过模拟和实证研究进一步验证本文提出的分布式计算方法在实际生活中的可行性和实用性.     

低温燃料贮箱热力学排气系统优化分析与性能研究

介绍了热力学排气系统(TVS)对于未来深空探测事业的重要意义,总结了TVS技术的研究进展。针对套管式换热器,以换热量、换热器内外管出口温差和排气侧压力损失为评价指标,进行多组变工况计算,给出了优化换热器性能的思路与方向。通过一维计算得到了TVS对低温液氢贮箱压力控制的作用效果,计算结果表明:地面工况下TVS能有效控制贮箱压力在设定范围内变化;而在微重力条件下,壁面滞留的液体导致贮箱压力低于控制下限,压力循环周期明显增长。     

多源数据融合视角下非概率样本与概率样本的大量插补推断方法

随着社会的发展,概率样本无回答率越来越高,其目标变量可能存在缺失的情况.同时,大数据与网络调查的发展使得获得的样本大多数是非概率样本,如何结合这两种样本推断总体是当今时代多源数据融合领域的一个热点问题.假设存在目标变量完全缺失的概率样本和数据完整的非概率样本,提出基于非概率样本建立超总体局部多项式模型,插补概率样本缺失的目标变量,并利用插补后的概率样本估计总体,进一步证明提出估计的渐近性质.模拟和实证研究表明:与基于非概率样本的倾向得分逆加权估计相比,提出估计的绝对相对偏差,方差与均方误差更小,且与基于真实概率样本的总体估计相接近;提出总体均值估计的方差估计的绝对相对偏差与95%置信区间覆盖率也接近于基于真实概率样本的总体估计的相应指标,估计效果较好.     

基于倾向得分广义线性模型的非概率抽样统计推断研究

候选者数据库网络调查下非概率抽样的统计推断问题是网络调查发展中迫切需要解决的问题.提出基于倾向得分广义线性模型的非概率抽样推断方法:将网络候选者数据库的调查样本与参考样本结合,建立Logistic、Probit、C-log-log三种广义线性模型来估计倾向得分,并对网络候选者数据库的调查样本进行倾向得分未加权比例的分组调整与倾向得分加权比例的分组调整来估计总体.研究结果表明:基于倾向得分广义线性模型的总体估计效果较好,并且使用调查权数的Logistic与C-log-log倾向得分未加权比例的分组调整估计最为稳健.     

“新冠肺炎”疫情环境下实验教学形式多样化的运用

实验教学的主要授课形式在科技的发展下已经变得多样化,实验课程不仅是学生实践与研究的基础,也是从知识理解向科学研究的转化,在教学中占据着不可缺少的地位。全国“新型冠状病毒肺炎”(简称“新冠肺炎”)疫情的爆发极具偶然性,给实验教学带来了前所未有的压力。在突发困难面前,通过直/录播线上教学、数字化资源的运用、授课形式的转变、评价体系的调整等一系列应急措施,在实验教学中取得了较好的效果。这不仅与理论课程形成了良好的配合,充分保障了实验教学的内容和质量,而且大大促进了学生的自主学习能力,还引发了对高校实验教学发展的思考,即,不应在疫情等特殊情况下才思考求变,实验教学应坚持不懈地着力于学生培养和持续改革。     

时标上一类三阶中立型动力方程的振动准则

利用广义Riccati代换给出了时标上一类三阶中立型动力方程的振动准则,其结果不仅得到了几个振动解存在的条件,也拓展了一些已有的结论,在最后还给出了几个例子来验证结论.     

一类分布族参数的Bayes统计分析

考虑如下一类分布族:F(x;θ)=[g(x)]θ,A≤x≤B,θ>0,其中g(x)是关于x单调递增的可微函数,且g(A)=0,g(B)=1,其中θ为未知参数。在熵损失函数下,得到了参数的Bayes估计和可容许估计,并讨论了一类(cT+d)-1形式估计的可容许性和不可容许性。     

"新冠肺炎"疫情环境下实验教学形式多样化的运用

实验教学的主要授课形式在科技的发展下已经变得多样化,实验课程不仅是学生实践与研究的基础,也是从知识理解向科学研究的转化,在教学中占据着不可缺少的地位。全国"新型冠状病毒肺炎"(简称"新冠肺炎")疫情的爆发极具偶然性,给实验教学带来了前所未有的压力。在突发困难面前,通过直/录播线上教学、数字化资源的运用、授课形式的转变、评价体系的调整等一系列应急措施,在实验教学中取得了较好的效果。这不仅与理论课程形成了良好的配合,充分保障了实验教学的内容和质量,而且大大促进了学生的自主学习能力,还引发了对高校实验教学发展的思考,即,不应在疫情等特殊情况下才思考求变,实验教学应坚持不懈地着力于学生培养和持续改革。     

基于倾向得分匹配的缺失数据插补方法

针对预测均值匹配中相近性刻画较为单一的问题,考虑多种相近性刻画方法,同时结合倾向得分可将多个协变量降维的特点,提出采用倾向得分匹配来对缺失数据进行插补的新方法:首先估计倾向得分,然后可选择最近邻、卡钳与半径、分层或区间等多种匹配方法进行匹配,最后利用匹配单元的目标变量来对数据缺失单元进行插补.进一步采用蒙特卡罗模拟和实际数据证实方法是有效的,且在均值插补、回归插补、随机插补、最近邻倾向得分匹配插补、卡钳与半径倾向得分匹配插补、分层或区间倾向得分匹配插补方法中分层或区间倾向得分匹配插补效果最好.