基于残差加权经验过程方法的自回归模型分布变点监测

Change monitoring of distribution in time series models is an important issue.This paper proposes a procedure for monitoring changes in the error distribution of autoregressive time series,which is based on a weighed empirical process of residuals with weights equal to the regressors.The asymptotic properties of our monitoring statistic are derived under the null hypothesis of no change in distribution.The finite sample properties are investigated by a simulation.As it turns out,the procedure is not only able to detect distributional changes but also changes in the regression coefficient and mean.Finally,we apply the statistic to a groups of financial data.     

基于Bootstrap的厚尾相依序列持久性变点检验

基于修正方差比率函数给出一种检验厚尾序列持久性变点的统计量.在无变点的假设下得到了统计量的渐近分布.为避免检验渐近分布中的厚尾指数,构造Bootstrap抽样方法来确定渐近分布的经验临界值.数值模拟研究结果说明修正方差比率统计量及Bootstrap抽样方法的有效性.     

Segmentation of synthetic aperture radar image using multiscale information measure-based spectral clustering

A multiscale information measure （MIM）, calculable from per-pixel wavelet coefficients, but relying on global statistics of synthetic aperture radar （SAR） image, is proposed. It fully exploits the variations in speckle pattern when the image resolution varies from course to fine, thus it can capture the intrinsic texture of the scene backscatter and the texture due to speckle simultaneously. Graph spectral segmen- tation methods based on MIM and the usual similarity measure are carried out on two real SAR images. Experimental results show that MIM can characterize texture information of SAR image more effectively than the commonly used similarity measure.     

厚尾相依序列的均值变点估计

本文研究了厚尾相依序列的均值变点估计. 证明了变点的CUSUM估计的一致性并得到了收敛速度.在方差无穷的情况下推广了H\'{a}jek--R\'{e}nyi不等式.     

无穷方差厚尾过程变点的小波估计

研究随机设计下噪声为厚尾随机变量时非参数函数中的变点估计问题.首先,通过设计变换将随机设计转化为等间距固定设计,进而利用小波方法估计变换后的变点的位置,再利用逆设计变换求得随机设计下变点位置的估计,并给出估计的收敛速度.模拟研究结果说明对于无穷方差厚尾过程中的变点估计问题小波方法是有效的.     

核实数据下误差在反映变量的非线性半参数模型的降维估计

考虑响应变量带有一般测量误差的非线性半参数模型.在核实数据的帮助下,利用半参数降维技术构造未知参数和非参数函数的估计.在一定条件下证明未知参数估计的渐近正态性和非参数函数估计的最优收敛速度.通过数值模拟说明所提估计方法在有限样本下的有效性.     

一类非参数回归模型核估计的渐近性质

研究一类新的非参数回归模型回归函数的核估计问题,其中误差项为一阶非参数自回归方程.通过重复利用Watson-Nadaraya核估计方法,构造了回归函数及误差回归函数的估计量分别为m(.)和ρ(.),在适当的条件下,证明了估计量m(.)和ρ(.)的渐近正态性.     

ARCH模型的多变点检验

研究自回归条件异方差(ARCH)模型的多变点检验问题.提出一种拟似然比检验统计量,并在原假设下给出统计量的极限分布.在假设检验过程中得到变点个数的一致估计.数值模拟与实例分析说明了方法的合理性.     

SAR图像分割的G_A~0统计模型-水平集方法

由于合成孔径雷达(Synthetic Aperture Radar,SAR)图像易受相干斑噪声的影响,光学图像的分割方法并不适用于SAR图像,更不能获得精确的分割结果,首先基于G0A统计模型定义能量映射函数以代替像素值进行后续的处理,该方法可以减小相干斑的影响;其次,使用水平集算法对处理后的图像进行分割处理,选用了一种形式更为简单的水平集函数,并可以较容易地推广到多区域SAR图像分割情况.实验结果表明该方法可以减少相干斑噪声对SAR图像分割过程的不良影响,具有较好的准确性.     

一类线性回归模型中核估计的渐近性质

考虑固定设计下具有一阶非参数自回归误差的线性模型,构造了参数和非参数函数的N-W核估计,在适当的条件下,证明了参数估计的强相合性,同时给出了非参数函数估计的渐近正态性.