增长曲线模型中最小二乘估计的几种相对效率

对于一般的增长曲线模型Yn×m=Xn×pBp×qZq×m＋ε,ε~（0,δV∑）本文定义了B的最小二乘估计（相对于B的最佳线性无偏估计）的四种相对效率，并得到了它们的下界．     

线性回归系统两步协方差改进估计的优良性

对于ｍ个相依回归方程组成的线性回归系统。本文研究了两步协方差改进估计在均方误差阵意义下的优良性，即在随机误差服从正态分布的假设下，当样本量充分大时，两步协方差改进估计与协方差改进估计一样好。     

Estimates of commutators for multilinear operators on Herz-type spaces

In this paper, the boundedness of mulitilinear commutator [b,T] on Herz-type space is considered, where T is a standard Calderón-Zygmund singular operator and b ∈ (BMO(Rn))m.     

基于POT方法的极值理论在基金净值预测中的应用

为对基金净值数据进行建模,根据基金净值样本数据的尾部特点,建立极大,极小值分布的GPD模型,运用POT方法确定临界值,进而对参数进行估计,并对模型进行检验.最后,运用建立的模型对一些极值点进行预测.所得结果很好地描述了数据特点,对极值点的预测符合实际.     

矩阵特征值的一类新的包含域

用盖尔圆盘定理来估计矩阵的特征值是一个经典的方法,这种方法仅利用矩阵的元素来确定特征值的分布区域.本文利用相似矩阵有相同的特征值这一理论,得到了矩阵特征值的一类新的包含域,它们与盖尔圆盘等方法结合起来能提高估计的精确度.     

深海远程正交频分复用水声通信簇约束的分布式 压缩感知信道估计*

在深海远程正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)水声通信中,信道时延较长,导致信道频率选择性衰落严重,传统的压缩感知信道估计算法性能大幅下降。为此,本文利用深海远程信道在一定时间内具有相关性并呈较稳定簇状分布的特点,在分布式压缩感知信道估计中引入簇区域信息,进行簇约束的多数据块联合稀疏信道估计,提出一种簇约束的分布式压缩感知信道估计方法,并在深海开展了定点远程水声通信实验进行验证,实验结果表明,与传统的分布式压缩感知信道估计算法相比,本方法的能够降低50%左右的误码率。     

基于邻域像素注意力机制的光场深度估计方法

通过发掘深度信息与子孔径图像邻域像素间的高度相关性,提出了一种基于邻域像素注意力机制的光场深度估计方法。首先根据光场图像的数据特性提出了一种邻域像素注意力机制,该注意力机制考虑了不同子孔径图像在同一邻域间的极几何关系,能够增强网络对遮挡像素的感知能力。其次基于注意力机制设计了一个光场子孔径图像序列特征提取模块,该模块通过三维卷积将相邻序列图像上的特征编码到特征图上,并通过注意力机制增强网络对光场图像极几何特征的学习能力。最后联合邻域像素注意力机制和特征提取模块设计了一个多分支的全卷积神经网络,该网络使用部分光场子孔径图像序列即可估计图像的深度特征。实验结果表明,所提方法在均方误差（MSE）和平均坏像素率（BP）指标上总体表现优于其他先进方法,同时得益于高效注意力机制的加入,与其他先进方法相比所提方法运行速度最快。     

双密度复小波与系数相关性的红外图像去噪北大核心CSCD

为了去除红外图像中高斯噪声的同时,更好地保持和恢复图像的纹理边缘和细节特征,提出了基于双密度复小波与系数相关性的红外图像去噪方法。该方法充分利用双密度双树复小波在图像处理上的优势:图像信息的平移不变性、图像纹理细节的多方向选择性等,基于对图像小波系数分布的假设,根据当前小波系数与其父、子小波系数的相关性,对无噪的小波系数作贝叶斯估计,以恢复无噪的红外图像,最后对去噪图像进行引导滤波,去除图像的波纹效果。实验数据显示,该方法在EPI和FSIM以及图像的视觉效果上优于部分现有算法,证明该方法在噪声去除、纹理边缘的保持和恢复上具有更好的性能。     

孕周的超声无损估计

本文讨论了孕周的超声无损估计方法,传统上,对孕周的估计是通过Ｂ型超声测量胎儿器官的有关参数,辅以经验公式而得到。但是由于经验公式无统一形式,且参数皆单独使用,估计结果离散度大,难以实用化。本文对Ｂ型超声测量所得胎儿参数应用数量化理论,建立孕周自动估计的方法。由于在实际应用中,应用数量比理论所得的相应正规方程,难以满足通常求解方法的前提条件,本文引入广义逆矩阵理论求解正规方程。另外,本文进一步讨论了     

位置参数估计量的损失函数之估计

本文考虑损失函数的估计问题,分别对于球对称分布和均匀分布情形给出了其参数的J-S型估计量的损失之估计,它们满足[1]中提出的条件(Ⅰ)和(Ⅱ).