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...     

基于自回归条件持续期模型的疲劳驾驶研究

对实际驾驶实验中不同驾驶员的车速数据进行处理,得到车速变化持续期间序列,应用自回归条件持续期模型(ACD),讨论了车速变化持续期的相关性质,并对模型的可靠性做了评估.使用ACD模型为车速变化持续期时间序列建模,其优点是能够在不损失原始非等间隔时间序列特性的条件下,直接分析得到驾驶状态的时域微观性质.采用EACD(1,1)和 WACD(1,1)模型对不同驾驶员的车速变化时间序列进行建模,结果表明：其具有较好的拟合程度,当实际期间小于条件预期期间,驾驶员的驾驶状态有变好的可能;当实际期间大于条件预期期间,驾驶员的驾驶状态有变差的可能.     

基于建成环境和低频浮动车数据的路段行程时间估计

将城市道路周边建成环境的相关属性作为路段行程时间的解释变量,结合城市低频浮动 车数据,在不需要速度等GPS信息的条件下研究建成环境属性因素对路段行程时间的影响。同 时,给出一种新的路段行程时间分布估计方法,即利用路段车辆数的分布代替路段长度作为路段 行程时间的分配比例系数,得到路段行程时间的分布情况。为验证所提方法的正确性,以辽宁省 丹东市振兴区锦山大街为例进行分析,用极大似然估计法得到各类建成环境对行程时间的影响 参数值,并对比研究路段在有、无建成环境影响下的行程时间。结果表明：道路周边的建成环境 会在不同时段导致路段行程时间显著增加,学校的影响时间段主要在6:00-7:20,医院、诊所集中 在7:00-8:00,交叉口造成的行程时间增量在研究范围内整体较为平均。通过似然比检验,验证了 将建成环境变量作为路段行程时间影响因素的可靠性。     

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.     

LOGITģ�Ͳ������Ʒ����о�

离散选择模型，特别是LOGIT模型在交通需求模型建立过程中，应用非常广泛，许多实际的交通政策问题都涉及到方式选择，然而LOGIT模型的建立非常困难，尤其是效用函数及参数估计.本文重点就LOGIT模型参数估计的有关问题进行讨论，特别是运用统计方法如何对效用函数的变量进行选取及比较不同形式效用函数.     

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。