广义加权损失函数下准备金的分位信度估计

由于聚合数据是个体数据的加总,会失去一些有用信息.针对个体数据模型,分位回归模型可以直接求取未决赔款准备金的分位数,并且对数据中存在的异常值的敏感度不高.在程纪(2020)模型基础上,将分位回归模型与信度理论相结合,将多个流量三角形的增量赔款数据看成是相同日历年下的重复性多次观测,体现样本数据的分层结构,克服经典信度模型中只有一条回归线的弊端,在广义加权损失函数下得到准备金的信度估计,并给出参数估计.     

齐型空间上的分数次极大算子的加权弱型不等式

设(X,d,μ)是 Coifman-Weiss 意义下的齐型空间,0≤α<1.定义 α阶分数次极大算子(?)~αf(x,t)=(?)1/(μ(B(x,r))~(1-α))∫_(B(x,r))|f(y)|dy.本文的目的有二:其一是将[3]、[4]中关于(?)~α 的加权弱型结果推广到齐型空间;其二是对限制增长的 Young′s 函数Φ,得到(?)~α 的弱型加权 Φ-不等式.     

NA列加权乘积和的完全收敛性

本文讨论了NA和几类加权部分和及加权乘积和的完全收敛性，其中部分结果要优于iid列的已知结论。     

高阶Schr(O)dinger方程的加权估计

本文主要研究的是相函数为齐次椭圆多项式的自由高阶Schrodinger方程.通过相函数等值面的几何性质,得到了解算子的Strichartz加权估计和极大算子加权估计.     

红外／雷达双传感器融合目标跟踪算法

实现雷达和红外融合跟踪的基本思路是：首先提取红外成像的目标质心并将其转换到惯性坐标系：然后用最小二乘规则对红外传感器的冗余角度数据进行压缩，以产生在时间上和雷达测量对准的伪角度测量：再通过加权平均的方法分别与雷达的方位角和俯仰角测量进行融合处理，以得到同步数据融合估计。采用了由拉格朗日算法所求得的约束极值作为权系数，使用扩展的卡尔曼滤波方法设计跟踪滤波器，将基于雷达和红外融合得到的数据用于更新滤波器的目标状态。     

矩阵方程AXB=D的最小二乘Hermite解及其加权最佳逼近

本中,我们讨论了矩阵方程AXB=D的最小二乘Hermite解,通过运用广义奇异值分解(GSVD)，获得了解的通式。此外,对于给定矩阵F，也得到了它的加权最佳逼近表达式。     

增长曲线模型参数估计的加权相对效率

对增长曲线模型中参数估计的相对效率，本文提出了一种新的定义－加权相对效率，并研究了它的性质，以及在文献「４」中的两种相对效率的关系。     

A NUMERICALLY STABLE BLOCK MODIFIED GRAM-SCHMIDT ALGORITHM FOR SOLVING STIFF WEIGHTED LEAST SQUARES PROBLEMS

Recently, Wei in proved that perturbed stiff weighted pseudoinverses and stiff weighted least squares problems are stable, if and only if the original and perturbed coefficient matrices A and A^- satisfy several row rank preservation conditions. According to these conditions, in this paper we show that in general, ordinary modified Gram-Schmidt with column pivoting is not numerically stable for solving the stiff weighted least squares problem. We then propose a row block modified Gram-Schmidt algorithm with column pivoting, and show that with appropriately chosen tolerance, this algorithm can correctly determine the numerical ranks of these row partitioned sub-matrices, and the computed QR factor R^- contains small roundoff error which is row stable. Several numerical experiments are also provided to compare the results of the ordinary Modified Gram-Schmidt algorithm with column pivoting and the row block Modified Gram-Schmidt algorithm with column pivoting.     

加权微分建模的初步研究

加权建模是必要的,微分建模是重要的,把二者结合起来,进行加权微分建模既必要也重要.给出了常用模型的微分建模结果,讨论了加权建模中的计算和权重选择问题,探讨了加权微分建模的思路和方法,并结合典型数据验证了该方法的有效性和稳定性.象加权建模一样,加权微分建模的精度、实用价值等,是和权重确定得合理与否紧密相联;应先进行模拟,以与近期实际值或典型样本相差最小的参数所对应的模型为准.