缺失数据的插补调整

插补是另一类对缺失数据进行调整 ,以减小估计偏差的方法。本文介绍的插补方法有 :演绎估计 ,均值插补 ,随机插补 ,回归插补和多重插补     

调查问卷中含缺失数据的等级变量的补缺方法

讨论了调查问卷中等级变量缺失数据的补缺问题.基于多元统计学理论,并结合总体趋势和个体偏差,提出一种新的补缺方法,方法使得补缺值更加准确、真实,并且将此方法扩展到变量等级数不相等的调查问卷之中.     

方向数据密度函数核估计的重对数律

本文讨论方向数据密度函数核估计的逐点收敛速度问题,在较为温和的条件下建立了该核估计的重对数律并给出了它的逐点最优收敛速度.     

DATA PREORDERING IN GENERALIZED PAV ALGORITHM FOR MONOTONIC REGRESSION

Monotonic regression （MR） is a least distance problem with monotonicity constraints induced by a partiaily ordered data set of observations. In our recent publication [In Ser. Nonconvex Optimization and Its Applications, Springer-Verlag, （2006） 83, pp. 25-33], the Pool-Adjazent-Violators algorithm （PAV） was generalized from completely to partially ordered data sets （posets）. The new algorithm, called CPAV, is characterized by the very low computational complexity, which is of second order in the number of observations. It treats the observations in a consecutive order, and it can follow any arbitrarily chosen topological order of the poset of observations. The CPAV algorithm produces a sufficiently accurate solution to the MR problem, but the accuracy depends on the chosen topological order. Here we prove that there exists a topological order for which the resulted CPAV solution is optimal. Furthermore, we present results of extensive numerical experiments, from which we draw conclusions about the most and the least preferable topological orders.     

混合复发事件与面板数据下的可加可乘模型

事件历史记录数据(Event History Data)是随时间观察而得到的,记录特定事件发生时间和发生类型的观测数据.这种数据类型在生物医学等领域的研究中十分常见,它包含了两类非常重要的数据类型,复发事件数据(Recurrent Event Data)和面板计数数据(Panel Count Data).在实际生产过程中,有时会出现上述两种数据类型混杂的情况,文本提出了可加可乘半参数建模的方法来分析这种混杂数据.我们讨论了参数估计的相合性和渐近正态性,以及基准率函数的渐近高斯性质.我们进行了数据模拟,比较了我们提出的方法与naive方法的区别.     

基于高频数据的GARCH模型拟极大指数似然估计

基于拟极大指数似然方法,本文研究了利用日内高频数据来估计日频GARCH模型的参数.已有的相关研究均假定GARCH方程中常数项是给定的,限制了方法的广泛应用.本文基于常规的GARCH(1,1)模型框架,针对模型全部参数给出了两步估计方法,讨论了估计量的理论性质.针对不同的波动率替代,文章也给出了最优波动率替代选择标准.模拟研究和实证研究表明所提估计方法有很好的表现和一定的应用价值.     

基于数据驱动的全线控底盘纵臂式悬架系统研究

汽车在越野类极限路况下行驶,对车身高度有一定范围的调节需求,传统悬架方案与全线控底盘进行技术融合时,存在机构运动干涉、底盘升降过程中车轮外倾程度过大、车轮发生侧向位移等现象,易导致轮胎过度磨损,致使行驶失稳.将车身高度变化对轮胎侧向参数的影响转化为车轮纵向滚动,进而实现稳定的大行程车身高度调节,是解决上述问题的关键.本研究建立整车七自由度动力学模型,对悬架系统导向机构展开力学分析,集两者作为系统研究的输入信息;通过正弦波激振台对弹性元件、减振器进行相关特性参数获取,基于数据驱动开展一体化电动轮的运动学仿真测试,包括对悬架系统关键铰接位置进行力学性能分析、对电动轮整体结构进行运动学特性研究,以此定义系统关键性能指标,结合理论研究与仿真测试,确定双纵臂式主动悬架系统方案.仿真结果与实车验证综合表明,搭载本研究系统方案的全线控平台,进行大行程高度调节过程中,车轮外倾问题得到有效解决,一体化电动轮具备良好的独立运行能力,本研究对提高车辆在极限路况下的通过性具有重要意义.     

相干衍射成像的相位复原及重建

相干衍射成像是一种对材料体密度敏感的超高分辨成像技术。相较于传统表面敏感的超高分辨成像技术,相干衍射成像利用了硬X射线的强穿透能力,可以深入材料体内部进行成像,且成像分辨能力可以根据成像布局进行调整,最高达到原子级空间分辨能力。这种灵活的空间分辨调整依赖于相干衍射成像独特的相位复原技术,即通过对图像成像强度的过采样,利用含约束的迭代算法同时获得光场的强度及相位,进而对样品进行重建;同时结合图像定向及组合技术,相干衍射成像可以实现对样品的三维重建。本文主要从成像原理、复原算法和重建方法介绍相干衍射成像技术,并结合实验进展及模拟研究展示该技术在多种重建情形下具备的诊断能力,以期较为全面地给出相干衍射成像技术的发展趋势。     

非均匀采样干涉数据光谱反演技术研究

干涉光谱成像仪获取的干涉数据是一种中间数据,需要进行光谱反演才能够得到目标光谱数据,傅里叶变换方法是常规的光谱反演方法。由于干涉数据中存在非均匀采样问题,若忽略光谱混叠,直接采用快速傅里叶变换会导致反演光谱的失真,难以满足实时处理需求。针对非均匀采样干涉数据的光谱反演需求,将插值及非均匀快速傅里叶变换(NUFFT)方法应用到光谱反演处理中,对过采样及部分欠采样情况下的非均匀采样干涉数据,提出了相应的光谱反演方法,并分析了方法的适用性。最后对过采样及部分欠采样情况下的光谱反演方法进行计算机仿真,过采样情况下采用NUFFT方法反演光谱的精度要明显高于插值方法,而部分欠采样情况下插值方法反演光谱的精度要明显高于NUFFT方法,并对欠采样造成的光谱混叠有一定的修正,验证了方法的有效性。     

季节因素对气候网络影响研究

气候网络在地球科学领域研究中是一个新的热点,对于分析和揭示气候场的特征及关联结构具有较强优势.已有气候网络的构建一般选取冬季月份的样本数据,而且在研究中忽略了其他季节月份对气候网络的影响.本文研究了季节因素对气候网络的影响,研究发现:气候网络在不同季节的整体特征参数基本保持稳定,但是网络社团结构以及局部节点拓扑连接随季节变化显著.可以利用这一结论来研究不同季节全球遥相关模态变化情况以及局部地区气候特征随季节变化情况.