超逆Г分布及其抽样算法

关于可分图模型的Bayes推断,本文提出了超逆Г分布,它可以作为可分的Gaussian图模型中协方差阵的共轭先验分布.在讨论了Г分布和逆Г的性质后,给出了超逆Г分布的抽样算法.     

矩阵的Γ逆

利用矩阵的广义奇异值分解,给出了复数域上矩阵的Γ逆存在的充要条件及其表达式,并讨论了Γ逆的唯-性.     

关于态射集中的Γ-逆与星序

研究态射集中的Г-逆的存在条件与星序的刻划．利用Г-环的方法得到了Г—Moore-Penrose逆存在的一些条件．给出了Г—Moore-Penrose逆与星序的联系以及星序的一些Г-逆刻划．     

Γ分布密度函数的性质

分析了Γ分布密度函数的性质,指出了该密度函数与相应参数之间的关系.主要研究第二个参数对密度的影响,证明了β增大时Γ(α,β)分布密度极大值也增大,还指出了β变化时Γ(α,β)分布密度与另一特定密度曲线交点的变化规律.     

矩阵的Γ逆在一类约束系统中的应用

将矩阵的Γ逆应用于约束系统Ａｘ＋ｙ＝ｂ，ｘ∈Ｌ，ｙ∈Ｌ^⊥，对任意的Ａ和Ｌ，表示了它的一般解。当ＡＰ_Ｌ＋Ｐ_Ｌ⊥可逆时，这个解正是Ｂｏｔｔ—Ｄｕｆｆｉｎ解。并就Ｌ是Ａ的约化子空间、不变子空间及一般情形，讨论了相应的Γ逆存在的条件。     

另一形式的多元Γ分布及其性质

本文基于开关参数可变,尺度参数不变的思路,提出了一种新形式的多元Γ分布,并研究了它的性质以及它与多元正态分布的关系。     

有缺失数据的正态母体参数的后验分布及其抽样算法

在缺失数据机制是可忽略的、先验分布是逆矩阵Γ分布的假设下,利用矩阵的cholesky分解和变量替换方法,本文导出了有单调缺失数据结构的正态分布参数的后验分布形式.进-步用后验分布的组成特点,构造了单调缺失数据结构的正态分布的协方差矩阵和均值后验分布的抽样算法.     

Γ-分布类的条件概率封闭性

X服从参数α和λ的Γ-分布,V与Y分别服从参数θ和λ的指数分布.我们证明了:在X＜Y的条件下,X的条件分布是参数α和θ+λ的Γ-分布;在X＜V＜X+Y的条件下,V的条件分布是参数α+1和θ+λ的Γ-分布.称此类性质为Γ-分布类的条件概率封闭性.对离散的负二项分布也证明了类似的结果.     

逆M矩阵模型的完备及其算法设计

1 引 言 M矩阵是具有非负对角元和非正非对角元且其逆是非负矩阵的一类矩阵.逆M矩阵即逆为M矩阵的一类非负矩阵.逆M矩阵在物理学,生物学,控制理论,神经网络方面有着重要的应用.所以对逆M矩阵的研究一直在持续不断的进行.一个“部分矩阵”是指在一个矩阵中,一些元素已经给定了,而另一些元素待定的矩阵.而一个矩阵的完     

态射的Γ-Drazin逆和柱心-幂零分解

讨论态射的Γ-Drazin逆.给出了态射的Γ-Drazin逆的一些性质和柱心-幂零分解.     

无界意义下的在线变化分位数回归算法

本文研究了基于核方法下的在线变化损失函数的回归算法.利用迭代和比较原则,得到了算法的收敛速度,并将该结果推广到了更一般的输出空间.     

无界意义下的在线变化分位数回归算法

本文研究了基于核方法下的在线变化损失函数的回归算法. 利用迭代和比较原则, 得到了算法的收敛速度, 并将该结果推广到了更一般的输出空间.     

对称的运输问题及其逆问题

本文对［１,２,６］中提出的运输问题进行了推广,并提出了一个强多项式算法,从而改进了原有的结果．同时对对称的运输问题的逆问题进行了研究,并借助于最小费用循环流技术得到了一个强多项式算法．     

关于超级Cochrane和的混合型均值

本文利用Gauss和与原特征的性质以及DirichletL-函数的均值定理研究了超级Cochrane和与超级Kloosterman和的混合型均值,并给出了一个有趣的渐近公式.     

关于超级Cochrane和的混合型均值

本文利用Gauss和与原特征的性质以及Dirichlet L-函数的均值定理研究了超级Cochrane和与超级Kloosterman和的混合型均值,并给出了一个有趣的渐近公式.     

有势场逆问题的边界元法

本文给出了位势方程逆问题的一种最小二乘边界元解法。控制方程为Ｌａｐｌａｃｅ方程，但一部分边界上未给出任何边值，而只在某些内点上给出了势函值。这一问题在数学上属不适定问题，但在一定条件下存在唯一解。本文同时给出了一种估计解的可靠性的方法。数值试验表明，这类逆问题采用边界元法是非常有效的。     

均匀设计抽样在股市投资决策上的应用

本文首先给出了在区域D(b)=｛（x,y):0≤y≤x≤b｝上的均匀抽样,以及利用均匀设计抽样求取函数在D的最大值的序贯方法,最后把此方法应用于股市的技术分析中,即把此序贯方法与股票的动态分析相结合,给出了在香港股市应用动态分析的最佳参数。     

弱群逆的扰动及其应用

<正>1引言设C_n,n表示n×n阶全体复矩阵的集合.记A^*,R(A),N(A),rk (A),‖A‖,ρ(A)分别表示矩阵A的共轭转置,值域,核空间,秩,谱范数,谱半径.记A的指标为Ind(A)=k,其中k是满足rk(A^k+1)=rk (A^k)成立的最小非负整数.进一步,     

THE INVERSE EIGENPROBLEM WITH RANK-ONE UPDATING AND ITS STABLITY

Let ∑, Г be two n-by-n diagonal matrices with σi,γi as their diagonals. For the inverse eigenvalue problem: look for y∈Rn such that Г + yyT is similar to ∑, we prove thatu also the sufficient condition for the solvability of this inverse problem. Its solution (set) is given explicitly. In some case, the problem is unstable. But we prove that the sums of the square of some contigious components keep stable, i.e., small sum keeps small, large sum has a small relative perturbation, see Theorem 3.