半变系数模型PLS估计的渐近正态性

半变系数模型在统计建模中具有重要的应用．最近几年，人们提出了许多方法来估计其常系数和函数系数，但是估计的渐近性质还没有被系统的研究．本文介绍了半变系数模型的PLS估计，在Fan和Huang对常系数渐近性质研究的基础上，给出了函数系数的渐近正态性。     

相关误差的变系数模型的估计

在误差相关的情况下，使用局部线性方法给出变系数模型的估计，并讨论估计的渐近正态性。     

半变系数模型约束PLS估计的渐近正态性

变系数模型已获得了广泛的应用,半变系数模型是变系数模型的有效推广,本文给出半变系数模型在线性约束条件下的PLS估计,并证明了常系数和函数系数估计的渐近正态性.     

误差相关的半变系数模型的估计

本文在误差相关的情况下, 研究半变系数模型的估计, 通过改进PLS估计, 给出了函数系数和常数系数的估计, 证明了估计的渐近正态性; 最后, 模拟研究说明了所提方法的有效性.     

改进的LMD算法及其在EEG信号特征提取中的应用

针对LMD方法在对脑电信号处理时会产生端点效应,为了降低这种端点效应的影响,增强脑电信号的特征提取效果,提出了一种基于相似波形加权匹配的端点延拓算法。该算法主要利用在一段波形中相似子波会反复出现这一特点,提取与端点处波段相似的子波,求得其加权平均波,并利用得到的平均波对原始信号的左右端点进行延拓。仿真结果表明,与传统的LMD方法分解相比,该算法能够有效抑制传统LMD的端点效应,更好地提取脑电的特征信息。     

删失数据下半变系数模型估计的渐近正态性

半变系数回归模型是变系数回归模型的有效推广,已获得了广泛的应用. 本文在响应变量随机删失下对其进行讨论,给出常系数和函数系数的估计, 并证明了该估计的渐近正态性.     

半变系数模型PLS估计的一致收敛速度

变系数模型已经获得了广泛的应用，半变系数模型是变系数模型的有效推广，文章介绍了半变系数模型的PLS估计，给出该估计函数系数的一致收敛速度。     

裁元齐次Moran集的Hausdorff维数

将齐次Moran集迭代过程中的k项序列集Dk={(i1,…,ik):1≤ii≤nj,1≤j≤k},裁减为Dk={(il,ik):1≤ii≤nj,ii≠2.且ii≠3除非ii-1=1,2≤J≤k},并确定了相应的裁元齐次Moran 集的Hausdorff维数.     

用多视角分析法为领域建立本体

提出了一种多视角分析建立本体的新途径。文中阐述了多视角分析的概念和步骤，然后从功能、软件体系结构、领域和需求变化的角度做了一个案例分析。领域本体的建立是通过4个阶段的集成和平衡、对内涵和外延的表示、原数据模型的表达以及用RDF表示逐步完成。     

一类裁元齐次Moran集的Hausdorff维数

将齐次Moran集迭代过程中的k项序列集Dk={(i1,…,ik):1≤ij≤nj,1≤j≤k} 裁减为Dk={(i1,…,ik):1≤ij≤nj,当ij-1=1时ij≠2,2≤j≤k},确定了相应的裁元齐次Moran集的Hausdorff维数.