经验Bayes岭估计在GINS车载试验工具误差辨识中的应用

在利用车载试验进行GINS工具误差辨识过程中,由于输入加速度很小使得系统存在严重的复共线性。应用传统的最小二乘方法会出现增大最小二乘估计量的方差、参数估计值不稳定、产生弃真错误等问题。本文引入经验Bayes岭估计方法来进行GINS车载试验工具误差辨识工作。仿真结果表明,和传统最小二乘方法相比,经验Bayes岭估计的辨识精度有所提高,并可克服系统存在的复共线性的影响。

一类Lindley模型参数的经验Bayes检验收敛速度的改进

利用递归核估计和单调性,构造了Lindley模型参数的经验Bayes检验函数,并在适当的条件下,证明了收敛速度的阶可任意接近O(n^(-1)).

偏态分布截断参数的经验Bayes检验

偏态分布是对称分布的一种推广,在实际生活中应用广泛,其中截断参数对界定偏态分布的边界具有重要意义.文中基于经验Bayes检验方法,研究了偏态分布截断参数的假设检验问题.考虑普通Bayes检验中先验密度的未知性和不确定性,利用递归核估计的密度函数代替未知的先验密度函数.定义检验的加权线性损失函数,从而更好地刻画了决策风险.在给定条件下证明了所提出检验函数的渐近最优性,同时给出确定的收敛速度.最后通过实例验证了文中的理论结果.

基于集合经验模态分解的增强核岭回归配电系统状态估计

针对配电网量测信息存在强非高斯噪声时会大幅干扰基于深度学习的状态估计模型滤波精度的问题,提出了一种基于集合经验模态分解的增强核岭回归状态估计方法。首先,使用集合经验模态分解筛除量测信息中的多数噪声数据,保障了后续滤波对数据可靠性的要求。然后,通过构建增强核岭回归状态估计模型,建立了量测信息与估计残差之间的映射关系,输入量测信息后可以得到估计结果与估计残差。最后,在标准IEEE 33节点与某市78节点系统上进行数值仿真,结果证明了该方法在强非高斯噪声干扰下具有较高的精确性和鲁棒性。

Burr XII分布参数的经验Bayes估计的渐近最优性

本文研究了Burr XII分布参数的经验Bayes估计问题.利用密度函数的递归核估计,构造了参数的经验Bayes(EB)估计,在适当的条件下证明了所提出的EB估计是渐近最优的,并获得了它的收敛速度.

双指数分布位置参数的经验Bayes估计问题

本文在平方损失下导出了双指数分布位置参数的Bayes估计,利用非参数方法构造了位置参数的经验Bayes(EB)估计.在适当的条件下,获得了EB估计的收敛速度.最后,给出了一个例子说明适合定理条件的先验分布是存在的.

刻度指数族参数的经验Bayes估计的收敛速度

本文对刻度指数族在加权平方损失下获得了参数的Bayes估计,并构造了相应的经验Bayes（EB）估计,证明了所提出的EB估计是渐近最优的且有收敛速度,其中1/2≤λ<1,s≥3是一给定的整数.最后,给出了刻度指数族EB估计的两个应用.

Rayleigh分布环境因子的经验Bayes估计及仿真

讨论了Rayleigh分布环境因子的定义和估计问题。基于逐次截尾模型,在LINEX损失函数下,给出环境因子的经验Bayes估计。最后利用Monte-Carlo方法对经验Bayes估计和极大似然估计进行了分析比较。结果表明,经验Bayes估计优于极大似然估计。

双参数Rayleigh分布环境因子的经验Bayes估计及应用

本文针对Rayleigh分布位置参数已知的情形,给出了Rayleigh分布环境因子的极大似然估计和经验Bayes估计,并将环境因子的估计结果应用于Rayleigh部件的可靠性评估,给出了该部件可靠度函数与失效率的估计。最后的随机模拟例子表明,经验Bayes估计优于极大似然估计,并且在考虑环境因子的情形下,Rayleigh部件可靠性指标的估计优于未考虑环境因子时的估计。

LINEX损失下Pareto分布族参数的经验Bayes估计

在 L inex损失函数下 ,讨论 Pareto分布族参数的经验 Bayes(EB)估计问题 ,文中构造了参数的 EB估计 ,在适当的条件下给出了该估计的收敛速度 .最后给出满足定理条件的例子 .

刻度指数族参数的渐近最优的经验Bayes估计

对刻度指数族在加权平方损失下获得了刻度参数的Bayes估计 ,并构造了相应的经验Bayes估计 。

连续型单参数指数族参数的经验Bayes估计问题:NA样本情形

对连续型单参数指数族在平方损失下导出了参数的Bayes估计,利用同分布负相协(NA)样本构造了经验Bayes(EB)估计量,并在适当条件下获得了EB估计的收敛速度.文末给出一个满足定理条件的例子.

非指数分布数族参数的经验Bayes估计的收敛速度

在"平方损失"下,研究了非指数分布族参数θ的经验Bayes估计,首先利用概率密度函数的核估计,构造了位置参数的经验Bayes(EB)估计量,在适当的条件下获得了它的收敛速度.

刻度指数族参数的经验Bayes估计及收敛速度

本文在刻度平方误差损失函数下导出了刻度指数族分布中参数的Bayes估计.利用核估计的方法构造了参数的经验Bayes估计,在适当条件下得到了经验Bayes估计的收敛速度,推广了文献中的相关结果.

指数分布族参数的渐近最优与可容许的经验Bayes估计

在平方损失下 ,构造了指数族 { f(x|λ) =λe-λx,λ >0 ,x >0 }的参数λ的渐近最优与可容许的经验Bayes估计 ,即δn=(n +u + 1n1φ(n) + 1) β1+ βX,其中X1,X2 ,…Xn(历史样本 )和X(当前样本 )独立同分布于 f(x) ,Sn= ni=11n(1+ βXi) ,φ(n) =1n(Sn+ 1n(1+ βX) +v- 1) ,u >0 ,v >0 ,β >0 (已知 )为任意的实数 ,并证明了该估计的收敛速度为O(n- 1)。

两参数Lomax分布形状参数的经验Bayes估计问题

依据经验Bayes(EB)估计的思想方法,研究在平方损失函数下两参数Lomax分布形状参数的EB估计问题。在这种损失函数下,获得了形状参数的Bayes估计,利用密度函数的递归核估计方法构造了相应的EB估计,在适当的条件下证明了所提出的EB估计是渐近最优的,并获得了它的收敛速度。最后给出一个满足文中主要结果的实例。

NA样本下单边截断型分布族位置参数的经验Bayes估计

该文在充分运用同分布 N A样本密度函数的核估计方法的情况下 ,构造出了一类单边截断型分布族位置参数θ的经验 Bayce(EB)估计 ;由分析可知 ,在适当的条件下 ,证明了位置参数θ的 EB估计的收敛速度 O(n- q) ,其中 q =λα(δ -2 ) /(2α + 4)δ,α >0 ,1>λ >0 ,δ >2。

LINEX损失下双指数分布位置参数的经验Bayes估计

本文对双指数分布在LINEX损失函数下获得了位置参数的Bayes估计,同时构造了相应的经验Bayes估计,证明了所提出的经验Bayes估计是渐近最优的,且有收敛速度O(n^(-δ)),δ=(rs-1)/(2s+1),其中1/2<r<1-1/(2s),而s≥3是任意给定的整数.最后给出一个例子说明适合定理条件的先验分布是存在的.

Linex损失下指数-泊松分布的经验Bayes估计的收敛速度

在Linex损失下研究了指数-泊松分布的经验Bayes(EB)估计问题,并采用核估计的方法,在适当的条件下,获得了EB估计的收敛速度.

负相伴样本情形下线性指数分布参数的渐近最优的经验Bayes估计

在平方损失下导出了线性指数分布参数的Bayes估计,利用负相伴样本密度函数核估计的方法构造了参数的经验Bayes(EB)估计.在适当的条件下证明了所提出的EB估计是渐近最优的.并给出一个满足定理条件的例子.