统计假设检验的模糊集描述

基于p值函数给出了零假设显著性检验的模糊集描述,为模糊集理论提供实际背景的同时,给p值一个新的解释.其中样本数据对零假设的支持程度用一个模糊集的隶属度函数表示,检验的拒绝域表示为该模糊集的截集,截集的水平表示显著性水平.具体例子表明此方法的可行性和有效性.

基于模糊支持向量机的数据域描述

受模糊支持向量机的启发,本文系统论述了带有模糊隶属度的数据域描述方法,称为模糊支持向量域描述。适用于数据集中的数据不完全肯定来自于假设总体的情形,不同的数据对数据集的域描述可以有不同的贡献。

线性指数危险率模型的贝叶斯判别分析

设有两个总体Π0 和Π1 ,其危险率为具有不同参数的线性函数 .对于待观测的寿命样本X,给出了相应的判别分析问题的 Bayes停止判决法则 ,其中损失函数包括试验费用和误判损失两部分 .

两参数指数分布模型多重模糊假设检验的贝叶斯方法

模糊假设检验是统计决策中处理模糊概念的一种非常重要的情形。对于双参数指数分布尺度参数的多重模糊假设检验 ,本文在定数截尾样本情形 ,研究其贝叶斯解。先验分布考虑了 Jeffreys先验和共扼先验。

地理信息系统环境下的机助制图关键技术

论述由国家1∶25万基础地形数据库制作专题地图过程中的关键技术步骤,重点讨论目前发展阶段GIS环境下的制图综合策略及实现方法,总结机助制图实践中需要注意的问题。

系数为非对称指数型模糊数的多元线性最小二乘回归

使用模糊数之间的某种距离和的最小二乘方法 ,研究了模糊多元线性回归模型 ,此模型的输入为精确数据 ,输出为模糊数据 ,回归系数为非对称指数型模糊数 ,并通过讨论一元模糊线性回归模型 ,推导出三组正规方程组以分别用于求解模糊回归系数的模糊中心参数、左边参数和右边参数 ,然后将此结果推广到多元情形 。

多重模糊假设检验的贝叶斯方法

应用统计推断和统计决策问题中,常常需要处理模糊概念,模糊假设检验是其中非常重要的一种情形。本文将模糊性引入到多重假设中,从贝叶斯决策的角度,分样本为清晰数据和模糊信息两种情形,研究了多重模糊假设的贝叶斯方法,并给出了数值例。

定数截尾样本情形指数分布参数的模糊假设检验

以控制犯两类错误的概率为目的,本文在定数截尾样本情形,研究指数分布参数的模糊假设检验问题,并给出一个数值例子。

一般关系下粗糙集的模糊性

从粗糙隶属函数的角度出发 ,研究了一般关系下的粗糙集模型的模糊性度量 ,用模糊集的截集的概念描述了一般关系下变精度粗糙集模型 .

威布尔分布模型的一类贝叶斯判别分析

设有两个具有不同尺度参数的威布尔分布模型.对于待监测的寿命样本,给出相应的判别分析问题的贝叶斯停止判决法则,其中损失函数包括试验费用和误判损失两部分.

Bernoulli试验的Bayes停止判决法则

就破坏性的Ｂｅｒｎｏｕｌｉ试验概型，给出了检验问题Ｈ０：ｐ＝ｐ０ｖｓ．Ｈ１：ｐ＝ｐ１（０＜ｐ０＜ｐ１＜１）的Ｂａｙｅｓｉａｎ停止判决法则，其中损失函数包括试验费用和误判损失两部分．

基于卡方统计量的属性约简新方法

近年来粗糙集数据分析已经成为定性数据分析的一个常用方法,而信息系统的属性约简是粗糙集理论的一个基本问题。粗糙集方法虽然不需要数据之外的其它信息,但所得结果同时也缺乏统计证据。文中运用非参数统计的思想研究了信息系统的属性约简问题,首先将原始信息系统整理成任意两个属性子集之间的列联表,然后给出了基于卡方统计量的属性相关性的一个新度量,基于此度量给出了信息系统属性约简的新方法。数值例子说明了该方法的可行性和有效性。

概率粗糙集的模糊性(英文)

从粗糙隶属函数的角度出发 ,研究了概率粗糙集模型的模糊性度量及其性质 ;用模糊集的截集的概念描述了变精度概率粗糙集模型。

固定设计情形下回归函数小波估计的泛相合性

本文引入固定设计情形下回归函数小波估计的泛相合性概念 。

矩形区域上均匀分布的一个性质

设Ｘｔ＝Ｘ１ｔ，Ｘ２ｔ，…，Ｘｐｔｔ＝１，２，…，ｎ｛｝是矩形区域Ｄ＝｛ｘ＝ｘ１，ｘ２，…，ｘｐａｉ≤ｘｉ≤ｂｉ，ｉ＝１，２，…，ｐ｝上的均匀分布的样本，Ｘ（１），Ｘ（２），…，Ｘ（ｎ）是Ｘ１，Ｘ２，…，Ｘｎ的次序统计量．证明了ＥＸ１Ｘ（１），Ｘ（ｎ）＝１２Ｘ（１）＋Ｘ（ｎ）ａ．ｓ．

一类线性模型M-估计的渐近分布

设线性模型ｙｔ＝θ１ｘ１ｔ＋…＋θｐｘｐｔ＋εｔ，ｔ＝１，２，…，Ｎ，θＮ是θ＝（θ１，θ２，…，θｐ）Ｔ的Ｍ－估计，Ψ（εｔ），Ｆｔ｛｝是鞅差序列，Ｆｔ是σ－代数，且ＦｔＦｔ＋１，ｔ＝１，２，…．

时间序列参数估计的稳健相合性和稳健正态性

对于简单样本情形,郑忠国(1986)根据Hampel(1971)的定性稳健性的概念提出了稳健正态性的概念。本文根据P.Pahtoni-Kazakos(1979,1984,1987)关于时间序列定性稳健性的概念,对时间序列模型的参数估计问题提出了稳健相合性和稳健渐近正态性的概念。

平稳序列参数估计的定性稳健性的一些充分条件

对于(严)平稳序列的参数估计的定性稳健性问题,我们用Vasershtein距离代替了Proborov距离,提出了估计序列的弱连续的概念,从而改进了[1]中结果,在此基础上给出了稳健性的一些充分条件。

基于QTM的线状图形自动化简算法探讨

全球网格是由形成地球表面剖分的一系列区域所组成,八面体四分三角网(QTM)是其中一种具有层次性的网格。本文依据数据点在规则网格中的分布规律,提出了一种在QTM数据结构支持下的线状图形化简算法。该算法以经过每级QTM网格的数据点的平均值为标准,能自动地对比较平缓的线段进行较粗选点,而对相对复杂的线段进行较密选点。本文以及Dutton算法都能克服DouglasPeucker算法中难以客观和合理确定阈值的困难,但是本算法比Dutton算法简单,且具有更高的化简率,能更好地保留了线状图形的弯曲特征。

优势关系下随机信息系统的属性约简

粗糙集理论与概率论、模糊数学和证据理论等其他处理不确定或不精确问题的理论有很强的互补性。在优势关系的基础上,以证据理论中的mass函数为基本工具,提出了基于优势关系的随机信息系统,研究了优势关系下随机信息系统的属性约简问题。分别考虑了随机信息系统和目标随机信息系统两种情况,并给出了实例说明约简方法的有效性。