固定样组纵向调查"间歇式"期单元无回答的加权调整

期单元无回答误差是固定样组纵向调查中经常出现的一类抽样误差，如果不对之进行调整，则往往造成估计量的偏差，已经提出的两种加权调整方法不易处理“间歇式”期单元无回答。在本文中，我们提出了纵横加权调整方法，这一方法克服了已有方法的不足，我们所作的模拟研究表明，纵横加权方法降低了估计量的偏差，并在作两调查期指标均值变化分析时，充分利用了两期回答状态的相关信息，提高了变化估计量的准确度。     

基于广义回归估计的校准加权设计效应模型研究

校准是最常用的加权调整方法,然而传统加权调整设计效应模型只考虑有差异权数导致的精度损失,忽略使用辅助信息后的精度改进,因此应用于设计效应计算时存在一定的缺陷。本文在Spencer模型的基础上进行拓展,引入反映辅助变量和调查变量相关关系的广义回归估计量,构建了校准加权设计效应的一般模型。数值分析结果显示,校准加权设计效应模型的效果优于传统加权调整设计效应模型;尤其在调查变量与辅助变量高度相关的情形下,校准加权设计效应模型能够准确地估计出不等概率抽样设计和校准调整的综合效率。     

加权Chebyshev逼近

本文考虑了由R. Smarzewski研究的加权Chebyshev逼近问题。首先对Smarzewski。提出的关于K-最大类加权逼近中的一个有意义而又相当困难的问题给出了肯定的回答。其次,解决了A-最大类加权逼近中类似的问题。     

加权线性支持向量分类机的数据扰动分析

加权线性支持向量分类机是数据挖掘的新方法.它对应于一个优化问题.针对加权线性支持向量分类机优化问题建立了数据扰动分析理论方法.具体地针对加权线性支持向量分类机的原始问题建立了数据扰动分析基本定理,定理可以得到加权线性支持向量分类机问题的解及决策函数对数据参数的偏导数,同时可以定量分析输入数据的误差以及数据各种变化对其解以及决策函数值的定量影响,可以回答加权线性支持向量分类机问题的稳定性问题和灵敏度分析问题.     

两类万有膨胀移位的刻划

本文具体刻划了这样两类万有膨胀移位算子:A_^?0)类单边加权移位和(BCP)_θ类单边加权移位.由此我们回答了一些有关问题.     

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.     

基于随机加权法的动态Bayes精度评估

以导弹射击精度评估为对象,研究现场子样相对较小的场合下,具有多阶段试验信息时弹点散布方差的估计问题,将随机加权法与Bayes方法结合起来,给出动态Bayes估计的随机加权调整方案.     

缺失数据下估计方程的经验似然推断

将逆概率加权法和推广的逆概率加权法用于缺失数据下估计方程经验似然推断中,得到两种参数估计的渐近性质.同时可以得到两种方法所对应的估计方程是无偏的,相应的经验似然统计量都渐近卡方分布,从而避免的调整经验似然.数值模拟也进一步显示了两种方法的优势.     

无失效数据情形可靠性参数的估计和调整

本文在无失效取样情形下,提出了产品可靠性参数的一种估计和调整的方法———加权多层Bayes估计法.在无失效数据情形下失效率的多层Bayes估计和引进失效信息后失效率的多层Bayes估计的基础上,对可靠性参数进行了估计和调整———给出了失效率和可靠度的加权多层Bayes估计.最后,结合发动机的实际问题进行了计算,结果表明本文提出的方法可行且便于应用.     

贝叶斯分类模型的改进及其应用

利用加权贝叶斯分类模型对北京科技大学本科生英语四级考试通过率进行预测.通过对误判数据的分析,调整贝叶斯分类器的判别条件,改进了加权贝叶斯分类模型.实验表明,改进后的模型大大提高了预测结果的准确性.此外,还引入了学生"潜力因子"的概念,为教学与学习提供了个性化的提示和有针对性的建议.     

伪加权Mealy机与伪加权Moore机的关系

给出伪加权序列机、伪加权Mealy机以及伪加权Moore机的定义并分别给出了它们的响应函数.证明伪加权序列机与伪加权Mealy机是不等价的、伪加权序列机与伪加权Moore机是等价的;并以伪加权序列机为桥梁,得到了伪加权Mealy机与伪加权Moore机的关系是不等价的.     

Banach空间上的强混合算子

1999年,L.B.Gonzalez证明了任意无限维可分Banach空间上存在拓扑传递的有界线性算子.这个结果肯定地回答了S.Rolewicz提出的问题.本文证明了由L.B.Gonzalez所给出的算子实际上是强混合的,同时,对加权移位算子的混合性利用权序列进行了刻划并指出任意无限维可分Hilbert空间上存在弱混合而非强混合的有界线性算子.     

Banach空间上的强混合算子

1999年,L．B．Gonzalez 证明了任意无限维可分 Banach 空间上存在拓扑传递的有界线性算子．这个结果肯定地回答了 S．Rolewicz 提出的问题．本文证明了由 L．B．Gonzalez 所给出的算子实际上是强混合的,同时,对加权移位算子的混合性利用权序列进行了刻划并指出任意无限维可分 Hilbert 空间上存在弱混合而非强混合的有界线性算子．     

一类新拟牛顿非单调信赖域算法

提出了一类新的求解无约束最优化问题的新拟牛顿非单调信赖域算法.采用加权的r_k用以调整信赖域半径,在适当的条件下,证明了算法的全局收敛性.数值结果表明算法的有效性.     

分段双加权伪概周期函数及其分解唯一性

介绍了分段双加权伪概周期函数的概念.分段双加权伪概周期函数可以看做是分段加权伪概周期函数的推广也可以认为是双加权伪概周期函数的推广.首先给出分段双加权伪概周期函数的概念,然后介绍几个分段双加权伪概周期函数的几个性质:分解唯一性,分段双加权遍历空间的平移不变性.     

不确定对象的自学习模糊神经网络控制方法

本文对具有不确定性控制对象提出了一种自学习模糊神经网络控制方法，模糊控制器采用误差，误差变化及误差加速度的加权和解析描述形式，利用人工神经网络直接对过程的建模，实现对模糊加权因子的自学习优化调整。将上述方法用于焊接熔池动态过程控制实实验，结果表明本文提出的自学习模糊神经网络控制方案有效。     

基于截断加权基追踪模型的迭代支撑探测算法

迭代支撑探测算法是基于截断的基追踪(Basis Pursuit,BP)模型的一种l_1最小化信号重构算法,它可以实现信号的快速重构并且所需要的观测值比经典的L1算法以及迭代加权L1算法更少.本文针对非零元具有快速退化分布性质的稀疏信号,提出了一种改进算法一一基于截断的加权BP模型的迭代支撑探测算法.在迭代的过程中,改进的算法探测原信号支撑集中元素的同时调整重构模型的权值,使得重构模型更有利于实现信号的精确重构.根据所考虑的信号的非零元具有快速退化分布性质这样的先验信息,利用阈值法则探测原信号支撑集中的元素.最后通过Matlab数值实验实现了算法,验证了基于截断的加权BP模型的迭代支撑探测算法比迭代加权L1算法需要的观测值更少,并且比迭代加权L1算法以及传统的迭代支撑探测算法需要更少的重构时间就可以实现信号的精确重构.     

缺失数据下EV模型的调整最小二乘估计

该文考虑协变量缺失时的多元线性EV模型参数的估计, 其中协变量的缺失机制是Rubin(1976)提出的随机缺失(MAR). 利用加权调整最小二乘方法给出参数估计, 证明了估计的相合性和渐近正态性. 数值模拟结果表明所给的估计性态良好.     

核实数据下非线性EV模型中经验似然降维推断

本文研究了响应变量有误差的非线性模型.应用半参数降维技术构造未知参数的被估计经验似然及调整的经验似然,证明了所提出的被估计的经验对数似然与其调整的经验对数似然分别渐近于独立卡方变量加权和的分布与标准卡方分布,所得结果可用来构造未知参数的置信域.     

最小化最大加权完工时间重新排序研究

重新排序模型可以描述如下:一组原始工件已经按照某个准则做好最优加工(排序)方案,但是还没有开始加工.此时,另一组新工件突然到达,需要与原始工件一起加工.生产部门需要调整已有的加工方案,使得在原始工件不打乱太多的情形下得到一个合理的排序.本文研究最大加权完工时间的重新排序问题,问题的目标是:1)在原始排序错位限制的条件下最小化最大加权完工时间;2)最小化最大加权完工时间与原始排序的错位的加权和.在本文研究中我们假设所有工件在0时刻到达.文章的主要结果:对于Γ∈{D_(max)(π~*),△_(max)(π~*)},给出了问题1|Γ≤k|max w_jC_j和问题1‖maxw_jC_j+μΓ多项式时间的求解算法;证明了问题1|∑△_j(π~*)≤k|max w_jC_j和问题1‖max w_jC_j+μ∑△_j(π~*)是强NP-困难的.