基于双重粗糙样本的统计学习理论的理论基础

本文介绍双重粗糙理论的基本内容;提出双重粗糙经验风险泛函,双重粗糙期望风险泛函,双重粗糙经验风险最小化原则等概念;最后证明基于双重粗糙样本的统计学习理论的关键定理并讨论学习过程一致收敛速度的界.为系统建立基于不确定样本的统计学习理论并构建相应的支持向量机奠定了理论基础.     

若干基于模糊随机样本的SLT定理

基于模糊随机样本空间,提出了模糊随机期望风险泛函,模糊随机经验风险泛函和模糊随机经验风险泛函最小化原则等概念;基于模糊随机变量及其期望,讨论了相关概率不等式;最后证明了基于模糊随机样本统计学习理论的关键定理并研究了学习过程一致收敛速度的界等问题.     

噪声影响的模糊随机样本的学习理论关键定理

关键定理是统计学习理论的重要组成部分,但其研究主要集中在实随机样本且假设样本不受噪声的影响。鉴于此,提出了受噪声影响的模糊随机经验风险最小化原则的定义,给出并证明了受噪声影响的模糊随机样本的学习理论的关键定理。     

学习理论中基于负相关序列的样本误差估计

给定数据(x1,y1),(x2,y2),…,(xm,ym),考虑一般的损失函数ψ(y-f(x))下,当ψ(z)连续及ξ1=ψ(y1-f(x1)),ξ2=ψ(y2-f(x2)),…,ξm=ψ(ym-f(xm))是一个负相关序列时,本文研究了样本误差估计问题.     

基于粗糙模糊度属性约简的教学质量评价

教师教学质量评价对提高教学质量具有积极意义和重要作用.教师教学质量评价指标的科学性及合理性是对教师的教学质量进行客观公正评价的重要前提,本文利用粗糙模糊度属性约简方法对教师教学评价指标进行分析、约简.所得结果对教师提高教学水平和教学质量,简化教学测评具有一定的指导意义.     

基于粗糙模糊度属性约简的教学质量评价

教师教学质量评价对提高教学质量具有积极意义和重要作用.教师教学质量评价指标的科学性及合理性是对教师的教学质量进行客观公正评价的重要前提,本文利用粗糙模糊度属性约简方法对教师教学评价指标进行分析、约简.所得结果对教师提高教学水平和教学质量,简化教学测评具有一定的指导意义.     

基于极性框架的粗糙模糊形式概念分析

借助于范畴论中的伴随概念,本文提出用极性模糊伴随三元组生成模糊形式概念分析的基本框架。继而借用L-粗糙算子,构建粗糙模糊形式概念分析理论。这一新框架与已有的多伴随框架不同：对象集与属性集的模糊子集被建立在同一个真值结构之上;从两个模糊子集之间伴随三元组诱导的模糊伽罗华连接,变为三个模糊子集之间极性诱导的模糊伴随三元组。从而将多伴随框架中真值结构与模糊子集之间过于复杂的设定与伴随关系简化。基于以上结果,本文构造了一个病毒传播-医疗资源储备策略实例,用以论证极性模糊伴随三元组框架的优势以及应用前景。     

NA样本下Pareto分布参数的经验Bayes估计

讨论了Pareto分布在平方损失下参数的Bayes估计,采用同分布负相协样本的核估计方法讨论了参数的经验Bayes(EB)估计问题,并计算了给定条件下参数的经验Bayes估计的收敛速度。最后,对我国高收入阶层的财富分布情况进行了实证分析,实证分析表明我国高收入阶层的财富分布是可以用Pareto分布来描述的。     

NA样本下非指数分布族参数的经验Bayes估计

在"平方损失"下,研究了基于NA样本情形下非指数分布族参数θ的经验Bayes估计.利用概率密度函数的核估计,构造了参数的经验Bayes(EB)估计量,在适当的条件下证明了获得的(EB)估计是渐近最优的且收敛速度的阶为O(n~(-(rs-2)/2(s+2))),其中s2,s∈N,2/sr1.最后给出一个满足定理条件的例子.     

线性指数分布参数的经验Bayes检验问题：φ混合样本情形

讨论了弱平稳φ混合样本下线性指数分布参数的经验Bayes(EB)双侧检验问题,利用概率密度函数的核估计构造了参数的经验Bayes检验函数,在适当的条件下证明了所提出的经验Bayes检验函数的渐近最优(a.o.)性,并获得了它的收敛速度.     

基于粗集模糊物元的项目组合配置战略贴近度研究

战略导向下的项目组合配置问题是企业进行多项目管理时需要解决的重要问题,对企业战略目标最大化的实现起到关键作用。论文在研究项目与项目关系的视角下,以项目组合配置方案和企业战略关系为出发点,提出了项目组合配置战略贴近度概念,构建了项目组合配置模糊物元模型,并以战略贴近度值的大小为度量标准,对项目组合配置方案与企业战略吻合程度进行分析,为企业项目组合管理提供决策依据。     

The new interpretation of support vector machines on statistical learning theory

This paper is concerned with the theoretical foundation of support vector machines (SVMs). The purpose is to develop further an exact relationship between SVMs and the statistical learning theory (SLT). As a representative, the standard C-support vector classification (C-SVC) is considered here. More precisely, we show that the decision function obtained by C-SVC is just one of the decision functions obtained by solving the optimization problem derived directly from the structural risk minimization principl...     

The support points of several classes of analytic functions with fixed coefficients

Let B denote the set of functions ?(z) that are analytic in the unit disk D and satisfy |?(z)|?1(|z|<1). Let P denote the set of functions p(z) that are analytic in D and satisfy p(0)=1 and Rep(z)>0(|z|<1). Let T denote the set of functions f(z) that are analytic in D, normalized by f(0)=0 and f^′(0)=1 and satisfy that f(z) is real if and only if z is real (|z|<1). In this article we investigate the support points of the subclasses of B, P and T of functions with fixed coefficients.     

The Functional Law of the Iterated Logarithm for the Empirical Process Based on Sample Means

Consider a double array of i.i.d. random variables with mean and variance and set . Let denote the empirical distribution function of Z_{1, n} ,..., Z _{N, n} and let be the standard normal distribution function. The main result establishes a functional law of the iterated logarithm for , where n=n(N) as N. For the proof, some lemmas are derived which may be of independent interest. Some corollaries of the main result are also presented.