非参数核密度估计的L~r收敛

核密度估计是一种具有广泛应用领域的非参数统计方法.有关它独立情况下的大样本性质,在文献[1]中已详细介绍,本文在改进Parzen给出的一个基本引理的基础上得出非参数核密度估计的Lr收敛.     

风速分布的非参数核密度估计

在含风机的电网可靠性评估中,风速概率密度分布大多假设服从某种已知的函数模型,然后根据历史数据估计模型参数。本文考虑风速变化的季节性规律,在不对其分布形态作任何假设的前提下,提出采用非参数核密度估计法描述月风速概率密度分布。     

基于非参数核密度估计的集装箱码头交通需求预测模型

针对现有集装箱集疏港时间概率分布建模中需要假设参数分布的问题,基于非参数核密度估计理论建立集装箱码头交通需求预测模型.非参数核密度估计的核函数选取高斯核,最优带宽由交叉验证法求得,通过检验、K-S检验和后验检验对比分析了核密度估计与两种传统参数模型的估计效果,并应用该模型预测DCT码头的交通需求.结果表明:非参数核密度估计模型具有更高的拟合精度、稳定性和适用性,得到的概率密度曲线能更加准确反映出口箱集港时间和进口箱疏港时间的整体分布形态,基于非参数核密度估计的集装箱码头交通需求预测模型具有比传统的参数模型更高的预测精度,可为集装箱码头基础设施规划、集疏港通道的道路交通管理、码头资源优化配置和调度等问题的研究提供更准确的交通量和作业任务量预测.     

关于非参数回归模型的误差密度估计

运用泰勒展式讨论了非参数回归模型中未知误差分布函数f（e）的核密度估计fn（e）的渐进性质,以及估计量fn（e）中光滑参数的选择,并给出了f（e）的置信区间．     

相依数据非参数核估计的收敛速度

在非参数和半参数模型中，不论数据是独立的还是相依的，都涉及到对未知均值函数或者对某函数的未知条件期望的估计。文章针对这一问题，在数据为混合相依的条件下，给出一般函数条件数学期望的估计，并讨论了它的收敛速度。     

基于改进非参数核密度估计的光伏出力概率分布建模方法

针对非参数核密度估计方法应用于光伏发电出力概率建模中存在边界偏差和局部适应性不足问题,提出一种改进的非参数核密度估计光伏发电出力建模方法.将自适应核密度估计方法与基于伪数据法的核密度估计相结合,通过在估计区间外生成伪数据,将伪数据添加到边界附近以修正偏差,进而构建更加准确的光伏出力概率分布模型;应用交叉验证法计算最优带...     

非参数密度估计量对于一个连续时间非平稳过程的相合性

令｛Ｘｔ,ｔ≥０为定义在Ｒ＾ｄ１上的随机过程,它由模型Ｘｔ＝ｚ１＋ψ（Ｚｔ）＋εｔ所确定,其中对于ｔ≥０,εｔ和Ｚｆ是相互独立的两个随机向量,而｛ｚｔ｝是非随机变量。对于连续观察的样本,研究了非参数密度估计量在均方误差意义下的渐近行为,即分别当｛ｚｔ｝渐近收敛和有周期时的情况下非参数估计量的相合笥或非相合性。     

核密度估计的中偏差

在一些正则性条件下,使用Gaer-Ellis定理和尾概率估计的某些技巧,得到了核密度估计在点态和一致范数下的两个中偏差定理。     

基于变分模态分解的弹性参数核密度估计方法

概率密度建模是地震随机模拟中至关重要的环节,而弹性参数高频成分的概率密度估计决定了高分辨率地震随机模拟结果的精度.针对常规方法中弹性参数高频成分提取精度不足、概率密度建模先验条件过度约束以及弹性参数的概率密度建模分层设计等问题,提出了一种基于变分模态分解(variational mode decomposition,VMD)的弹性参数核密度估计方法.该方法首先采用VMD对测井弹性参数数据进行模态分解,筛选出本征模态函数(intrinsic mode function,IMF)中的高频项叠加得到测井弹性参数的高频成分;然后使用核密度估计分层计算得到高频成分的概率密度模型,并通过该模型进行随机抽样生成随机高频成分叠加至井旁地震数据上以达到丰富地震弹性参数数据高频内容的目的.珠江口盆地34号井区的实验结果显示,VMD有效分离出了中心频率在70 Hz以上的测井弹性参数高频成分,分层设计的核密度估计方法凸显了高频成分的统计规律,叠加随机高频成分后地震弹性参数70 Hz以上的高频成分得到了明显补充.该方法为地震高分辨率随机模拟提供了新的思路.     

核实数据下的递归核密度估计

基于替代与核实数据样本下的总体密度函数估计问题 定义一个递归型核密度的估计量, 它包含替代数据和核实数据两种信息, 并证明了该估计量的渐近正态性. 模拟结果表明: 给定样本总数N的情况下, 模拟效果随核实数据样本容量n的增加而渐好; 当固定核实数据样本容量n时, 顶部随样本总量N的增加模拟效果渐好, 尾部变差; 如果同时增大N和n, 模拟结果更趋近于f(x), 并且也更平滑.     

密度核估计中对MSE与MISE的渐近性态研究

对于n维随机变量在给定权函数的条件下，利用密度核估计值分析了MSE（mean square error）与MISE（mean integrate square error）的渐近比较结果，研究了局部和全局的估计^∧fn与理论值f的接近程度，并给出了最优收敛速度和理想窗宽选择，最后得出了^∧fn的渐近优越性。     

城市日用水量预测的非参数模型研究

本文针对传统的线性回归模型误差较大的特点,利用核估计与局部线性估计方法,以气温、节假日为自变量,以用水量为因变量建立了城市日用水量的多元非参数回归模型.经西安市实例验证表明,相对于线性回归模型而言,多元非参数回归模型预测精度较高,预测效果好.     

一种快速非参数核密度模型及其应用

基于快速高斯变换,提出并建立了一个多维非参数核密度估计监督学习模型并且评估它的性能,为未知分布试验数据的预测和拟合以及土地利用/覆盖变化监测中多维影像数据的预测和识别提供科学依据.给定M个输入特征向量,对应第j类的容量为Nj的训练样本,直接计算的贝叶斯核密度模型复杂度为O(M xN),而本文提出的核密度模型复杂度接近O(M+N),实现了一个高效的基于快速高斯变换的多维非参数监督学习模型和计算信息处理系统.结果表明:提出的模型预测识别精度与支持向量机分类基本一致,速度更快适合大规模的数据处理,有效降低了维数和计算复杂度诅咒.     

基于核密度估计尺度空间的目标跟踪算法

为能够准确表示目标颜色分布、适应目标尺寸连续变化,提出了一种新的序列图像目标跟踪算法。该算法首先计算目标区域颜色概率分布的核密度估计函数,然后通过规整化每一帧输入图像像素在此函数上的取值生成目标概率分布图。最后通过检测多尺度规范化Laplacian滤波的极值,实现目标的定位和尺寸描述。与基于直方图的算法比较并结合大量真实序列图像上的实验验证表明,该算法更好地描述了目标颜色特征,提高了跟踪算法的精度。     

基于三角核估计模型的运动目标检测方法

文章对基于高斯模型的运动目标检测算法进行了研究,在此基础上,采用三角核估计的非参数方法来对背景建模,从而检测出运动目标;并结合检测结果来更新样本和带宽,提出了与之相对应的背景更新方法。实验结果证明,该方法能准确快速的检测出运动目标,具有较强的鲁棒性。     

线性小波密度估计L1-模相合性

用小波方法对未知密度f(x)进行估计 ,并在某些假定下建立了一种估计量的L1-模强相合性 ,以及在某些限制下 ,弱相合与强相合的等价性 .顺便也给出L1-相合的一个必要条件 .     

核密度估计的局部积分方差的渐近表示

在非参数统计推断中,首选方法是核密度估计,但通常很难得到精确表达式。利用局部交叉生效方法,获得随机删失下核密度估计的局部积分方差的渐近表示,所得结果改进和推广了Watson,Leadbetter和Csorgo,Horvath等研究的相关结果。     

Lorentz空间小波展开的收敛性

本文研究了Lorentz空间上函数小波展开的模收敛及几乎处处收敛性．