非高斯AR序列参数的加权最小二乘估计

加权最小二乘估计是一种兼具精度与速度的非高斯自回归序列参数估计的优秀算法.使用混合高斯自回归模型描述估计问题之后,又从最大似然估计非线性方程组出发导出了与之近似的加权最小二乘估计线性方程组,并分析了加权函数的性质,给出了具体的两步实现算法.探讨了加权函数获得与激励方差估计2个细节问题,给出了一组实例.     

极大似然估计:兰波特与丹尼尔·伯努利

本文探讨了似然思想早期的历史,指出兰波特是发现极大似然估计法的第一人,与丹尼尔·伯努利共为似然思想的先驱。     

基于极大似然估计的路段交通流量预测

基于对交通流量预测存在的问题的分析，用极大似然估计法对路段交通流量进行预测．这种方法的实质，是将连续的观测时段的上游观测量作为自变量，用极大似然估计法估计出观测量与下游预测量之间的关系，从而预测交通流量．实例结果表明，预测值与实际值的最大误差率为5.76％。     

混合高斯自回归模型参数估计方法之LS-EM

混合高斯自回归模型对有色非高斯数据的概率密度和功率谱密度进行有效的拟合，而LS—EM算法则可解决这一模型的参数估计问题．描述了混合高斯自回归模型及其参数估计问题之后，导出了具体的LS-EM算法，并给出了一组仿真实例．这是一种参数耦合估计算法，首先基于传统的最小二乘技术得到功率谱密度参数粗估计，进行预白，然后应用EM迭代得到白激励的概率密度估计，并基于此构建一加权函数，以此权函数改进最小二乘算法，进而得到模型参数的精估计．     

序约束下三指数总体均值的极大似然估计

令Xi,i=1,2,3,为来自第i个指数总体的观察值,其中均值λi均未知,但根据以往的经验,可以假定均值间满足一定的约束关系,如简单半序。本文给出了此种序约束下λi的极大似然估计λi^*,并且证明了每一λi^*比通常的估计Xi具有较小的均方误差。     

回归参数的部分有偏改进估计

就回归参数的最小二乘估计提出一种部分有偏压缩估计方法，分析和讨论了这种方法的性质和特点，结果说明了这种方法可以有效的改进估计矩阵接近奇异时影响参数精度的缺点。     

两两NQD序列下非参数回归函数估计的相合性

在两两NQD序列误差下讨论Priestly,M.B.和Chao,M.T.[1]提出的一类给参数回归函数加权核估计的相合性.     

基于AFC数据的地铁车站留乘概率分布估计

为研究地铁车站留乘特征,基于地铁自动售检票(auto fare collection,AFC)刷卡数据和运行图数据,研究了地铁车站留乘概率分布估计方法.首先,基于乘客进、出站刷卡时刻与列车到、发时刻的关系,构造了聚集时间最大值、疏解时间的概率分布函数,提出了基于截断样本的聚集、疏解时间分布估计方法;其次,通过研究乘客进...     

双边定数截尾情形下一个两参数有浴盆形状失效率的寿命分布参数的Bayes估计

在双边定数截尾情形下,给出了一个2参数有浴盆形状失效率的寿命分布参数的极大似然估计和在平方损失下基于无信息先验下和共轭先验信息下的Bayes估计,通过大量的Monte-Carlo数值模拟试验,对这2种情况下的估计的结果与极大似然估计作了比较.当样本n较大时,r愈大,s愈小,即丢失数据的数目愈小,Γ先验的Bayes估计与极大似然估计差不多,更接近于真值,都比无先验的Bayes估计要好.     

铁路货物周转量的半参数回归模型预测

为提高铁路货物周转量预测的准确性,在定性分析的基础上,运用灰色关联度理论选择出反映铁路运输供给能力的7个因素,并用偏最小二乘回归方法处理变量的共线性问题.采用非参数方法表达不能量化的影响因素,建立了半参数回归模型,并与线性回归模型和灰色预测模型进行了比较.研究结果表明,用半参数回归模型预测铁路货物周转量,预测结果的相对误差仅1.7%,比线性回归模型和灰色预测模型的预测精度更高.     

非高斯随机过程模拟与预测的研究进展

非高斯随机现象普遍存在于工程、自然界和社会生活中.在非高斯随机激励下的系统响应研究中,获取具有目标特征的平稳非高斯乃至非平稳非高斯随机过程是首先要解决的关键问题之一.目前,非高斯随机过程的有效模拟与预测已受到学者的广泛关注.文章对国内外非高斯随机过程的模拟与预测进行了综述,分析非高斯随机过程模拟与预测研究存在的不足和部...     

Mean shift registration algorithm for dissimilar sensors

The mean shift registration (MSR) algorithm is proposed to accurately estimate the biases for multiple dissimilar sensors. The new algorithm is a batch optimization procedure. The maximum likelihood estimator is used to estimate the target states, and then the mean shift algorithm is implemented to estimate the sensor biases. Monte Carlo simulations show that the MSR algorithm has significant improvement in performance with reducing the standard deviation and mean of sensor biased estimation error compared with the maximum likelihood registration algorithm. The quantitative analysis and the qualitative analysis show that the MSR algorithm has less computation than the maximum likelihood registration method.     

数字相敏检测的一种最大后验概率方法

本文基于最大后验概率估值原理，提出一种新的相敬检测方法。文中给出了判决量的计算公式和所提出方法的数字信号处理器实现结构。计算机模拟结果表明，所提出的方法较Ｓａｍｉｊｅ所提出的正交采样数字相敏方法有更好的检测性能。     

Nonlinear Mixed-Effects Models for Repairable Systems Reliability

Mixed-effects models,also called random-effects models,are a regression type of analysis which enables the analyst to not only describe the trend over time within each subject,but also to describe the variation among different subjects.Nonlinear mixed-effects models provide a powerful and flexible tool for handling the unbalanced count data.In this paper,nonlinear mixed-effects models are used to analyze the failure data from a repairable system with multiple copies.By using this type of models,statistical inferences about the population and all copies can be made when accounting for copy-to-copy variance.Results of fitting nonlinear mixed-effects models to nine failure-data sets show that the nonlinear mixed-effects models provide a useful tool for analyzing the failure data from multi-copy repairable systems.     

出行时间价值最大熵分布估计模型

为提高使用时间价值数据拟合其统计分布的精度,将最大熵原理分别与低阶(≤6)经典矩和概率加权矩相结合,建立了时间价值低阶经典矩与概率加权矩统计分布函数模型。仿真结果表明:在大样本量下,利用经典矩与概率加权矩对参数估计的精度相当,在小样本量下(<30),采用概率加权矩估计参数的相对误差在10%~35%之间,而采用经典矩估计参数的相对误差在20%~80%之间。可见利用概率加权矩克服了经典矩模型在小样本量下参数估计的大偏差问题,且利用其可以准确地预测交通方式分担率与分析交通定价政策对交通行为的影响。     

一类流量增减最大值可预见的不确定网络最大流的模型与算法

不确定网络最大流问题是现实中普遍存在的一种网络流问题,针对该问题中的流在传输过程中增减并存的特征给出了一种模型及算法.将其网络上增加弧上的增加量作为初始输入量之一,经过特定运算将其转化为只损耗网络,运用有损耗网络最大流问题的算法进行最终求解.最后,通过实例验证了其正确性.     

多品种流交通网络的最大流算法研究

基于Ford-Fulkerson算法在单一品种网络中最大流量分配的思路,通过对多品种交通网络的网络特性进行分析,作者将多源多汇的交通网络构建成单源单汇的形式。在保证符合流量约束的条件下,设计了适用于多品种交通网络的最大流分配算法。在交通网络的实际应用领域里,多品种交通网络的问题普遍存在,因此该算法为解决实际交通网络的相关问题提供了基础。