ZI纵向计数数据模型的影响分析

基于EM算法和Laplace逼近, 本文给出了研究ZI (即含0较多的)纵向计数数据模型的影响分析方法. 为了识别含0较多的分组计数数据中的强影响点, 本文将ZI纵向数据模型中取值为0的数据赋予一定的权重; 而把随机效应看作缺失数据; 在此基础上引入EM算法, 从而应用完全数据对数似然函数的条件期望以及相应的$Q$距离函数进行影响分析; 并进一步应用Laplace逼近方法简化EM算法中的积分计算. 在此基础上, 基于数据删除模型和局部影响分析方法导出了适用于ZI纵向计数数据模型的诊断统计量. 本文也通过实际计数数据的例子验证了诊断统计量的有效性.     

影响图在非线性回归异方差检验中的应用

提出把加权非线性回归模型看作一个扰动模型,利用影响图的正则曲率研究了此模型的异方差检验问题,并在此基础上得到了改进的Score统计量。最后用具体的数值实例说明所得结论的有效性。     

ZIP回归模型的局部影响诊断

基于EM算法和完全数据对数似然的条件期望,分别研究了ZIP回归模型在加权扰动、解释变量扰动和响应变量扰动下的局部影响诊断问题,得到了相应的诊断统计量．最后通过一个实例说明诊断统计量的有效性。     

稳健的t-MFA模型的极大似然估计

混合因子分析模型是一种非线性的分析高维数据的工具.但是,当一组观测数据中包含比正态尾部长的一些数据点时,其模型的拟合效果受到严重影响.为此,结合稳健的多元t分布提出基于t分布的混合因子分析模型,同时,在AECM算法基础上提出适合此模型的参数估计方法.最后,通过模拟实验,说明模型的优越性.     

区间删失下广义幂威布尔回归模型的参数估计

为研究区间删失的观测数据,结合广义幂威布尔分布和非线性回归模型提出了广义幂威布尔非线性回归模型,并基于迭代法给出了模型中参数的极大似然估计.最后就不同危险函数、样本量和删失比,通过蒙特卡洛模拟说明了参数估计方法的有效性.     

一种数据特征敏感的高效数据聚集编码方案

物联网中数据聚集算法设计面临的主要困难是：数据聚集时数据冗余的发现和消除,数据特征的发现均需要周密的思考,数据聚集时通信效率的提升通常需要较高超的数据编码技巧,精巧的算法设计思路。因此,研究数据聚集的高效率编码算法对于降低数据聚集的能耗具有重要的意义。当前研究中对于数据聚集中编码的综合讨论尚不充分,论文首先对问题进行建模,提出数据平滑泛型的概念,并通过分析得到数据平滑泛型将显著提高通信效率提升指数,在此基础上,论文提出了一套数据特征敏感的物联网高效数据聚集编码方案,包括数据聚集前的数据特征敏感的编码方法,基于CRT的数据编码准备方法,以及多节点数据聚集的可聚集变换方法。所给出的方法均经过严格的理论分析和证明论证,表明了方案的可行性。     

基于半实物仿真的“电子技术基础”课程教学方法探索

结合电子技术基础课程本身理论性和实践性的特点，通过多年的教学经验总结，提出了基于半实物仿真的教学方法，焊制单元电路模块，并利用计算机作为仿真平台提供信号源和输出显示端，克服了单纯软件仿真的不够直观性，又易于在课堂上进行演示，把单纯的理论讲解转换成理论分析和实际电路演示，增加了课堂教学的多样性，能够激发学生学习兴趣，教学效果好，具有很好的适用性和推广价值.     

基于EM算法的Poisson-Gamma回归的影响诊断

对于Poisson-Gamma回归模型,将来自于Gamma分布的权重看作缺失数据;在此基础上,引入EM算法;从而利用基于完全数据似然函数的条件期望进行影响诊断分析,并且进一步基于正则曲率方法系统研究了各种扰动模型下的局部影响分析,得到相应的诊断统计量.最后,通过一个实例说明了所得统计量的有效性.     

Beta回归模型的影响诊断

应用曲率方法研究了Beta回归模型的局部影响分析问题,分别在加权扰动、响应变量扰动和自变量扰动模式下得到了相应的影响诊断统计量.同时还讨论了模型中散度参数的齐性检验问题,得到了Score检验统计量.最后通过具体的数值实例说明了所得统计量的有效性.     

带有ARIMA(0,1,0)误差的非线性模型影响诊断

在带有ARIMA（0，1，0）误差的非线性回归模型中，利用梯度方向研究了观测数据对于其异方差检验的Score统计量的局部影响，分别得到了因变量及自变量的微小扰动情况下度量最大局部影响的诊断统计量．最后，给出了具体的数值实例，说明了本文结论的有效性．