基于函数型非参数方法的气温数据预测分析

基于函数型非参数核回归估计的方法分析安徽省1955年至2010年月度平均气温数据,建立函数型非参数回归模型,并对2010年气温数据进行实证研究.同时,与经典的非参数回归模型的预测结果相比,本文方法的预测均方误差明显优于经典的非参数回归方法,体现出函数型非参数模型的优越性.     

多重Ⅱ型删失数据的近似似然函数及应用

多重Ⅱ型删失数据是一种很常见的数据删失类型，处理起来也非常困难，本文获得了多重Ⅱ型删失数据的一种近似似然函数，并证明了在大样本场合下，这种近似与似然函数是等价的。基于该近似似然函数，求得了参数的近似极大似然估计与近似Bayes估计，并讨论似极大似然估计的性质。     

基于自适应权重的函数型数据聚类方法研究

基于有限维离散数据的传统聚类分析并不能直接用于函数型数据的分类挖掘。本文针对函数型数据的稀疏性和无穷维特殊性展开讨论,在综合剖析现有函数型聚类方法优势与不足的基础上,依据聚类指标的信息量差异重构加权主成分距离为函数相似性测度,提出了一种函数型数据的自适应权重聚类分析。相对同类函数型聚类算法,新方法的核心优势在于:(1)自适应赋权的距离函数体现了聚类指标分类效率的差异,并且有充分的理论基础保证其必要性和客观合理性;(2)基于有限维离散数据的聚类实现了无限维连续函数的聚类,能够显著降低计算成本。实证检验表明,新方法的分类正确率明显提高,能够有效解决传统聚类算法极端情形下的失效问题,有着复杂函数型数据分类问题下的灵活性和普遍适用性。     

IVIFS环境下基于模糊熵和得分函数的多准则决策方法

在区间直觉模糊环境和各准则的信息完全未知的条件下,本文提出了一个基于模糊熵和得分函数的多准则决策方法.基于区间直觉模糊集的准则形式,本文给出了模糊熵模型,从而可以确定各准则的权重.在决策方法方面,作者提出了区间直觉模糊集的加权记分函数和加权精确函数,解决了记分函数无法解决的加权问题的难题,同时给出了一种新的决策方法.最后,文章通过实例说明了该方法的可行性和有效性.     

多重Ⅱ型删失数据场合 Logistic 分布参数的近似似然函数

在多重Ⅱ型删失数据场合,利用ML法做统计推断时,由于似然函数过于复杂,常遇到很大困难.通过文中方法我们获得了 Logistic 分布参数的近似似然函数,并在大样本场合,证明此似然函数以概率1收敛于原似然函数.     

多重Ⅲ型删失数据场合Logistic分布参数的近似似然函数

在多重型删失数据场合,利用ML法做统计推断时,由于似然函数过于复杂,常遇到很大困难.通过文中方法我们获得了Logistic分布参数的近似似然函数,并在大样本场合,证明此似然函数以概率1收敛于原似然函数.     

基于sieve方法的响应变量为当前状态数据的部 分函数型线性模型的估计

利用sieve方法研究响应变量为当前状态数据的部分函数型线性模型的估计.在一定的条件下,证明了该估计的强相合性和渐近正态性,得到了该估计的收敛速度,并且非参数部分达到最优收敛速度.最后通过一个数值模拟来研究该估计的有限样本性质.