不同样点数量对土壤有机质空间变异表达的影响

以南京市六合区为研究区,通过完全随机和限制最小采样间距抽样分别设置5个样点系列,基于每个样点系列100次重复抽样的变异结构推断及空间预测误差结果,探讨了不同样点数量对土壤有机质(SOM)空间变异表达的影响。结果表明,两种抽样方式降低样点数量后推断的SOM含量的块金效应(C0/C0+C)均随样点数量减少而降低且限制最小采样间距抽样推断的C0/C0+C要低于完全随机抽样方法,说明适当的减少样点数量以便降低与SOM变异尺度不匹配的样点对变异结构推断的影响有助于提高SOM空间变异结构表达的可靠性。普通Kriging预测的SOM误差对比则表明,尽管两种抽样方式下空间预测的均方根误差(RMSE)随样点数量变化而波动,但均低于全部样点的预测误差;通过限制最小采样间距减少样点至250个时,SOM空间预测的RMSE最低,较全部样点预测误差降低了6%,因此,为了实现样点密度与SOM变异尺度相匹配,合理设置土壤采样点的间距及样点数量较单纯的增加采样点数量更为重要。

一种新型的基于最大特征值的合作频谱感知算法

针对认知无线电中经典频谱感知方法的缺点,该文利用随机矩阵理论的相关研究成果,提出了一种基于采样协方差矩阵最大特征值与平均能量的合作频谱感知新算法。该算法将次用户接收信号协方差矩阵的最大特征值与接收信号平均能量的比值(Maximum Eigenvalue-Energy Detection,ME-ED)作为统计判决量,以此判决出主用户是否存在,从而实现频谱感知功能。理论分析表明,与经典频谱感知方法相比,ME-ED算法无需知晓主用户信号的任何先验知识及噪声功率。仿真结果显示,与MED算法和ED方法相比,该算法不仅对噪声的不确定性不敏感,而且在噪声存在波动的情况下,其感知性能最优,鲁棒性最强。

基于RMT的合作频谱感知新算法及其性能分析

针对认知无线电中的频谱感知问题,利用随机矩阵理论(random matrix theory,RMT)最新研究成果,提出了一种新的合作频谱感知算法(maximum-minimum eigenvalue detection,MMED)。该算法将采样协方差矩阵最大特征值与最小特征值的比值作为统计判决量,并利用最小特征值概率分布求得判决门限。理论分析与仿真结果表明,与基于最大特征值的频谱感知方法相比,MMED算法不仅具有感知性能更好以及对噪声不敏感等优点,而且在认知用户数较少、样本较小的情况下,也可获得较好的检测性能。

全概率公式的不足与改进

指出了全概率公式存在的不足,主要表现为不便于应用与易于误导等问题,进而给出了改进型全概率公式及其证明.实践表明,本文所给出的改进型全概率公式有着易于理解、便于掌握和应用等优点.

截断删失数据下广义指数分布多变点模型的贝叶斯估计

利用筛选法对缺损数据进行了填充,得到了截断删失数据下广义指数分布的完全数据似然函数。利用Gibbs抽样与随机移动Metropolis算法相结合的MCMC方法对各参数进行了抽样。把Gibbs样本的均值作为各参数的估计.随机模拟的结果表明估计的精度较高。

二元Marshall-Olkin型二点分布参数与相关系数的最大似然估计

文章讨论可识最小值样本下和完全随机样本下二元Marshall-Olkin型二点分布参数及相关系数的最大似然估计,采用先参数识别后参数估计的方式,当已知可识最小值的分布时,证明参数可识别;由此得到了可识最小值样本下的参数的最大似然估计,其中二个参数的估计量是无偏的,另外一个参数的估计量的期望不存在:模拟结果显示:估计值均稳定于真值参数;由于二元二点分布情形时,可识最小值样本等价于完全随机样本,从而导致完全随机样本下的参数的最大似然估计等同于可识最小值样本下的参数的最大似然估计;计算了X与Y之间的相关矩阵和相关系数,由此得到了相关矩阵和相关系数的最大似然估计。

基于R软件的分层随机抽样方法

文章以分层随机抽样为例,介绍了在完整抽样框下,运用R软件完成样本的抽取与总体参数的估计的方法,以及在仅样本数据的情况下(非完整抽样框),如何运用R软件完成总体参数的估计。