回归相依结构的次指数索赔加权和的精确大偏差

考虑一个更新风险模型,其符合一个m相依序列的半马尔可夫型的回归相依结构,即当前索赔时间依赖于固定数量的先前索赔,但独立于所有其他索赔。作为描述非寿险业务的一种实用手段,该结构放宽了索赔规模与间隔时间之间的独立性假设,为包括金融和保险在内的各种应用提供了合适的框架,并研究了具有回归相依结构的更新风险模型中次指数加权索赔和模型,并利用Bonferroni不等式和大数马尔科夫定律得出其精确大偏差,推广了现有文献结论。

伽马分布独立随机变量加权和的尾概率界

研究了单、双边伽马分布独立随机变量加权和的尾概率界。利用服从伽马分布的独立随机变量加权后的期望和概率母函数,对服从伽马分布的尾概率进行单边估计,从而得到一个独立随机变量加权和的尾概率界,并且利用CHEBYSHEV不等式和高斯尾部估计方法,给出了双边伽马分布独立随机变量加权和的尾概率界。

NSD随机阵列最大加权和的矩收敛性及应用

该文利用NSD随机阵列的极大值矩不等式研究了NSD随机阵列最大加权和的矩收敛性,相关定理改进且推广了已有关于AANA变量的结果 .此外,作为主要结果的应用,进一步研究了非参数回归模型加权估计量的矩相合性和弱相合性.

基于集合覆盖模型和线性加权和法的选址问题研究——以兰州和平高校聚集区应急物流中心选址为例

应急服务设施点的选址是应急物流管理中不可缺少的一个内容,当突发事件出现时,位置合理的应急服务设施点可以在最短的时间内响应需求,保证充足的物资供应。应急服务设施点决策对于应急物流至关重要,正确的决策不仅可以降低物流成本,还能保证应急物资的时效性。文章根据兰州和平高校聚集区物流发展情况、各个需求点时空相对距离,充分考虑到应急物流物资配送的时效性特点,基于集合覆盖模型对兰州和平高校聚集区9个候选点进行初步筛选,从成本、设施基础和柔性等方面选择相应的评价指标,采用线性比例变换方法对指标值进行标准化处理,最后采用线性加权和法对初选方案进行综合分析比较,最终得出兰州和平高校聚集区应急物流中心的最佳选址。

基于自适应重加权和正则化的集成元学习算法

在训练集存在噪声标签或类别不平衡分布的情况下,深度神经网络具有过度拟合这种有偏差的训练数据的不良趋势。通过设计适当的样本权重,使用重加权策略是解决此问题的常用方法,但不适当的重加权方案会给网络学习引入额外的开销和偏差,仅使用重加权方法很难解决有偏差分布下网络的过拟合问题。为此,建议将标签平滑正则化和类裕度正则化与重加权结合使用,并提出了一种基于自适应重加权和正则化的元学习方法(ensemble meta net,EMN),模型框架包括用于分类的基本网络和用于超参数估计的集成元网。该方法首先通过基本网络获得样本损失;然后使用三个元学习器基于损失值以集成的方式估计自适应重加权和正则化的超参数;最终利用三个超参数计算最终的集成元损失更新基本网络,进而提高基本网络在有偏分布数据集上的性能。实验结果表明,EMN在CIFAR和OCTMNIST数据集上的准确率高于其他方法,并通过策略关联性分析证明了不同策略的有效性。

融合反距离加权和傅里叶变换的MODIS水汽校正方法

MODIS反演的可降水量(PWV)为连续的面状数据,精度不高;而GNSS水汽探测技术精度高,但为离散的点数据。本文综合两者优势,提出一种融合反距离加权和傅里叶变换的MODIS水汽校正方法,利用GNSS PWV来校正MODIS PWV产品,并采用香港地区GNSS数据和MODIS水汽产品进行实验验证。该方法首先考虑空间插值问题,使GNSS PWV与MODIS水汽在空间点位上一致。选取不同数量的MODIS像元点,对比6种插值算法的精度,发现选取5个插值参数时插值效果最佳,选择反距离加权法得到的插值水汽产品精度最高,平均偏差为-0.99 mm。其次考虑水汽校正问题,构建3种模型对MODIS PWV进行校正,发现傅里叶变换模型的均方根误差改进率可达70%以上。新模型的MODIS水汽校正方法能够减弱局部数据的影响,更准确地反映该地区的水汽分布情况。

基于多气象类型加权和改进高斯混合模型的光伏出力超短期概率预测

提出一种多气象类型加权和改进高斯混合模型,可实现对光伏出力提前15 min的超短期概率预测。首先,依据气象特征将历史数据划分为若干气象类型,然后,构建改进高斯混合模型获得每个气象类型出力数据的概率分布,其次,构建隶属度函数量化待预测时刻气象特征对于各气象类型的相似程度,最后,根据隶属度对各气象类型的概率分布加权。以实际光伏电站数据进行算例分析,结果表明相较于单一气象类型,多气象类型加权模型的MAPE平均减少16.87%,ACD平均提升10.45%,AW平均下降2.49%。

加权和分析法在生态城市发展中的协调度评价

本研究是针对经济社会生态系统,从区域实际出发对整个系统的经济发展与布局、资源利用和生态环境关系的研究,揭示出系统结构、功能现状、存在主要问题、系统发展的趋向,尤其是评价系统发展的可持续协调度。运用生态经济学原理和遵循可持续城市发展的生态原则,以内蒙古包头市为例,从本区域特点出发,选择能全面反映该区域具有较强影响,制约生态环境变化的经济社会要素指标及自然资源生态环境要素指标,建立本区域可持续发展评价指标体系,通过加权和分析法比较、分析和量化研究,对社会经济、资源与环境整体状况的真切了解和全面、有效、客观的评价,特别是对区域发展的协调度做出合理判定。通过包头市五个年份的发展综合指数的变化趋势看出,包头市发展协调度综合指数呈上升趋势,分别为0.26、0.44、0.56、0.589、0.589、0.924。根据上述评价标准,处在从非常不协调、不协调、不太协调向比较协调阶段过渡。

WOD随机变量加权和的完全收敛性

宽象限相依变量(简称WOD变量)是一类包含独立变量,负相协变量(简称NA变量),负象限相依变量(简称NOD变量)和推广的负象限相依变量(简称END变量)在内的非常广泛的相依变量.本文利用WOD变量的Rosenthal型矩不等式和随机变量的截尾技术,在一般的条件下建立了WOD变量加权和的完全收敛性.所得结果推广了若干相依变量的相应结果.

基于特征似然度加权和维数缩减的Robust语音端点检测

传统的语音端点检测方法在低信噪比环境下可靠性会急剧下降。本文提出了两种特征处理方法:特征的似然度加权和基于散度的维数缩减,来提高噪声下端点检测的性能。通过加权增加动态特征在似然度计算中的比重,可以提高端点检测的噪声Robustness。缩减散度值较小的特征维,对检测精度只有很小的影响,但可以提高检测效率。似然度加权对维数缩减之后的特征同样有效。在Aurora2数据库上的实验结果显示,在干净数据训练的检测模型下,似然度加权可以显著提高噪声下的端点检测性能。对维数缩减后的特征进行似然度加权,获得了与原始特征似然度加权相当的检测性能。这说明本文提出的方法是有效的。

灰气体加权和辐射模型综合评估及分析

在O_2/CO_2气氛下,参与性介质的非灰气体辐射特性表现出不同于空气气氛下的特性,因此,非灰气体辐射模型的选择和应用在换热过程中将变得十分重要.基于统计窄谱带模型,本文综合评估近年发展应用较广的灰气体加权和(WSGG)模型.结果表明,几种WSGG模型的预测值总体趋势正确,但仍存在着一定的差别.对于发射率,Dorigon等(2013 Int.J.Heat Mass Transfer 64 863)和Bordbar等(2014 Combust.Flame 161 2435)的WSGG模型与基准模型符合较好,相对误差小于20%.与离散坐标法结合,本文求解了PH_2O/PCO_2=1,2时的一维平行平板间辐射换热问题.结果显示,由Dorigon等和Bordbar等的WSGG模型得到的辐射热源和热流密度分布的相对误差均较小(10%左右).Johansson等(2011 Combust.Flame 158893)和Bordbar等的WSGG模型具有更广的适用范围.

■混合序列加权和的强收敛性

主要利用■混合序列的矩不等式讨论了■混合序列加权和的强收敛性质,给出了证明■混合序列加权和的强收敛性质的充分条件.该文结果推广了独立序列的相应结果.

基于属性坐标的变权加权和模型

讨论了在加权和方法中引入变权的必要性和合理性.以决策变量之和作为变权向量的自变量,利用属性坐标学习获得变权向量,建立了一种基于属性坐标学习和分析的变权的加权和决策模型,并给出了应用的例子.

NOD序列加权和的强收敛速度

该文研究了NOD序列加权和的强收敛速度,获得了一些新的完全收敛性的结果.该文的结果推广了陈瑞林在NA情形时的结果,部分推广了Stout在独立同分布情形时的结果.

相依序列加权和的几乎处处中心极限定理

该文讨论了非平稳负(正)相依序列加权和的几乎处处中心极限定理,改进并推广了相依序列几乎处处中心极限定理的相关结果.

■混合序列加权和的强稳定性(英文)

本文给出了■混合序列加权和的强稳定性的一些结果,同时也给出了■混合序列的强大数定律的若干新结果,这些结果推广了独立随机变量序列的相应结果.

行为NA的随机变量阵列加权和的完全收敛性(Ⅱ)

本文研究了行为NA的随机变量阵列加权和的完全收敛性,推广了行独立随机变量阵列相应的结果.且得到了任意随机变量阵列加权和完全收敛的一个定理.

NOD随机变量序列加权和的矩完全收敛性

讨论了NOD随机变量序列加权和的矩完全收敛性,获得了NOD随机变量序列加权和的矩完全收敛性的充要条件.这些结论显示了矩完全收敛性和矩条件之间的等价关系,同时推广了Wu Qunying(2011)的结果.

行为ρ*混合阵列加权和的矩完全收敛性(英文)

研究行为ρ*混合阵列加权和的矩完全收敛性,完善了Ahmed et al.[Statist.Probab.Lett.,2002,58:185-194],Peligrad et al.[J.Theoret.Probab.,1999,12:87-104]以及Baek et al.[J.Korean Stat.Soc.,2008,37:73-80]的结果.同时,给出一个应用,得到基于ρ*混合序列的平滑移动过程的矩完全收敛性,扩充了Kim et al.[Statist.Probab.Lett.,2008,78:839-846]的结果.

END随机变量序列加权和的完全收敛性（英文）

主要研究了END随机变量序列加权和的完全收敛性.在适当的权系数条件下以及适当的矩条件下,建立了END随机变量序列加权和的完全收敛性结果.所得结果推广了独立序列和负相依序列的相应结果.