Stein方法在求解随机变量线性组合概率分布中的应用

给出一种基于改进后的Stein方程求解随机变量线性组合概率分布的证明方法.基于随机变量Z_(r)和Z_(r)的线性组合H=m^(-1 )Z_r+n^(-1),利用伽马分布Γ(r,1)的Stein特征,求得关于H的Stein方程;加入二次可微函数,并采用改进后的Stein方程,求得H_(+)和H_(-)概率密度函数及显示公式.

求解Stein张量方程的张量格式BCGSTAB算法

双共轭梯度稳定化方法(BCGSTAB)是双共轭梯度方法的快速和光滑收敛的变形.该文将BCGSTAB算法推广到求解Stein张量方程,给出了张量格式的算法以及解的存在性的具体证明过程,并得到了该算法的收敛性结果.数值实验证实了该算法用于求解Stein张量方程是有效且可行的.

线性回归模型系数Stein估计的改进研究

针对线性回归模型病态的根本原因,提出了一类新的估计———c-k型估计,将岭估计与Stein估计统一到一个估计类;研究了这一估计类,证明利用岭回归技术可以改进著名的Stein估计(在均方误差意义下);同时研究了相应参数的最优值,分别给出了它的一个上界及下界,为病态线性回归模型系数的有偏估计提供了改进的技术途径.

混合系数线性模型参数的Stein估计

在连续测量数据情况下，对混合系数线性模型给出了固定系数和随机系数的两种形式的Ｓｔｅｉｎ估计，并证明了在均方误差意义下，Ｓｔｅｉｎ估计要优于ＬＳ估计，最后还讨论了Ｓｔｅｉｎ压缩系数的选取方法．

Stein方程数值解的黎曼梯度算法

基于正定矩阵流形的信息几何结构,使用黎曼梯度算法来获得Stein方程的数值解.利用弯曲的黎曼流形上的测地距离作为算法的目标函数,并将流形上的测地线作为算法的收敛路径.通过数值实验讨论了算法的步长和收敛速度的关系,从而得到算法的最优步长.

Stein流形上具有非光滑边界的带权因子的Koppelman-Leray公式

得到Ｓｔｅｉｎ流形上具有非光滑边界的强拟凸域的（ｐ，ｑ）微分形式的带权因子的Ｋｏｐｐｅｌｍａｎ－Ｌｅｒａｙ公式及其－－方程的带权因子的解，其特点是不含边界的积分。

一种基于Stein无偏风险估计的复合去噪算法

针对统计非局部均值滤波损坏图像的细节与鲁棒性双边带滤波去噪不充分的缺点,提出了一种基于统计非局部均值滤波与鲁棒性双边带滤波相结合的复合滤波算法。该复合滤波算法通过统计非局部均值滤波与鲁棒性双边带滤波线性组合,利用Stein无偏风险估计对复合算法中的参数进行估计。实验中,从主观与客观方面进行对比分析,证明所提出的复合算法体现了非局部均值滤波与双边带滤波的优点,能有效地去除噪声并更好地保留图像的细节信息,峰值信噪比提高1-2 d B。

回归系数的stein型主成分估计

对于设计阵Ｘ呈病态的线性回归模型，本文提出了一种新的关于回归系数的有偏估计─ｓｔｅｉｎ型主成分估计，并在均方误差意义下，论证了在一定条件下ｓｔｅｉｎ型主成分估计优于主成分估计，因此也优于ｓｔｅｉｎ型ＯＬＳ估计与ＯＬＳ估计，最后，我们又对偏参数的存在性，最优性进行了讨论，并得出了一些重要结论．

基于Stein损失污染数据情形下刻度参数的经验贝叶斯估计

本文研究基于污染数据情形的一类广义指数分布刻度参数的经验贝叶斯估计问题.在stein损失函数下,导出刻度参数的贝叶斯估计以及利用解卷积的核方法构造了该参数的经验贝叶斯估计.在适当的条件下,基于超平滑误差分布类证明所提出的经验贝叶斯估计的渐近最优性.

基于Hammerstein模型的非线性气动弹性系统辨识

在非线性气动弹性系统的辨识中,Hammerstein模型常用来辨识系统的非线性部分,而假设其线性部分是已知的。本文以累积相干函数为准则,有效地选择非线性部分的基函数,减少辨识参数的数目;利用条件逆谱法得到系统线性部分的极点,并构造相应的正交基函数;基于Hammerstein模型,建立该非线性系统的参数化模型;用非迭代方法求解模型参数;从而提出了能够同时辨识系统线性和非线性部分的非迭代辨识算法。以俯仰方向含刚度五次非线性的二元翼段为例,验证了该辨识方法的有效性。

Stein流形具有非光滑边界强拟凸域上Koppelman-Leray-Norguet公式的拓广式

利用Hermitian度量和陈联络,构造拓广的不变积分核,借助Stokes公式,探究Stein流形中具有非光滑边界强拟凸域上Koppelman-Leray-Norguet公式的拓广式及其-方程的连续解,其特点是不含边界积分,从而避免了边界积分的复杂估计,另外该拓广式的特点是含有可供选择的实参数m,m=2,3,…,P(P<+∞),适用范围更加广泛.

Stein损失下BP神经网络分类方法在人脸识别中的应用

在统计判决理论的框架下,针对一类特定目标人脸识别中存在的问题,提出了基于Stein损失的BP神经网络分类方法,证明了Stein损失下的BP神经网络的收敛性,经过剑桥大学ORL人脸库的图像识别实验,表明这种方法能有效解决传统的BP神经网络特定目标人脸识别中存在的问题.

宪政视野下的美国法人犯罪审前协议制度——以Stein案为中心

审前协议,最初是对少年轻微犯罪的一种转处措施。后安然时代,审前协议成为美国司法部处理上市公司严重犯罪的一种基本模式。审前协议规定的支付罚金等义务,是一种不折不扣的"惩罚"。这种惩罚既不需要以定罪为前提,也不需要贴上"刑罚"的标签,因而是一种"无需定罪的惩罚"。在Stein案中,联邦法院首次对审前协议内容的合宪性进行了司法审查,认为检察署施压毕马威致其停止支付雇员律师费的行为违反了美国宪法第六修正案。此外,由于审前协议在制度设计上存在根本缺陷,因而还存在违反平等适用法律原则的问题。

Heisenberg群上Folland-Stein算子的Dirichlet特征值问题

该文研究Heisenberg群上Folland－Stein算子■（α为复数）的特征值问题，证明了当|Reα|＜n时，■具离散分布的特征值．当α∈（-n,n）时，特征值均为正的．然后给出了相邻特征值之差的估计．

半相依回归系统参数的Stein型主成分改进估计

将S tein压缩思想与主成分改进估计相结合,研究两个半相依回归系统.当设计阵呈病态时,提出S tein型主成分改进估计,同时,给出当V未知时的两步估计.证明在均方误差意义下,S tein型主成分改进估计局部优于主成分改进估计和协方差改进估计.

Stein流形上(p,q)型微分形式的Koppelman-Leray公式的拓广

为进一步研究 Stein流形上的 Koppelman- Leray公式 ,采用 Bochner- Martinelli的方法 ,并将之推广到 Stein流形上 .便可得到一个 Stein流形上 (p,q)型微分形式的 Koppelman- Leray公式的一种拓广式 ,该拓广式的特点是积分核中含有可供选择的实参数 m及 (D,s,φ)的 Leray截面 ,当 m=2时 ,可得到 Stein流形上已有的 (p,q)型微分形式的 Koppelman- Leray公式 ,而当取 m=3,4,… ,N(N<+∞ )时 ,可相应得到 Stein流形上一系列积分核彼此不同的积分公式 .由该拓广式还可得到 Cn空间中 (p,q)型微分形式 Koppelman- Leray公式在

Stein流形上(p,q)型微分形式а-闭开拓

利用陈联络和陈度量,研究了对给定在Stein流形中任一相对紧区域的边界上的C类(p,q)微分形式超过边界的闭开拓问题,得到可以闭开拓的二个充要条件。

Stein损失下的统计预测问题

在统计决策理论框架内考虑了Stein损失下的统计预测问题.利用估计问题中对无序限制下参数估计量的改进方法,结合未知分布参数之间的序限制,对通常的最优同变预测量进行了改进,构造了一族改进预测量,从而解决了Stein损失下最优同变预测量的改进问题,并给出了相应的例子.

Stein两阶段抽样问题中第一阶段最优抽样量研究

当精度和可靠度给定时，Stein（1945）提出了两阶段抽样方法，构造了同时满足一定可靠度与精度的区间估计．本文则利用数值计算方法，进一步给出了此两阶段抽样中最优的第一阶段抽样量．

Stein流形上全纯函数积分公式的拓广

得到了Stein流形上一种全纯函数的积分式，这种公式的特点含有可供选择的参数m≥2的整数，当m=2时即为Stein流形上全纯函数的方B-M公式．