随机最大和随机最小的剩余寿命和休止时间的随机比较(英文)

对仅仅独立的随机最大和随机最小,分别讨论了其剩余寿命和休止时间的随机比较．结果表明,随机最大的剩余寿命(休止时间)以危险率序小于旧元件组成的随机最大系统；随机最小的休止时间以危险率序大于旧元件组成的随机最小．

基于数字图像及随机最小二乘的红提串果粒尺寸检测分级方法

红提尺寸是衡量其品质的重要指标,为了实现整串红提的尺寸分级,本研究提出了一种基于机器视觉的尺寸分级方法。通过双通道相机同时采集红提的红-绿-蓝(Red-Green-Blue,RGB)图像和近红外(near infrared,NIR)图像,利用归一化超绿法去除RGB图像中干扰的绿色果梗信息,同时利用形态学重构的亮度局部极大值的方法对NIR图像中的红提果粒进行识别和定位。采用梯度分割法有效地截取果粒轮廓并去除边缘轮廓中的干扰弧段,再利用随机最小二乘椭圆检测的方法提取果粒尺寸,并对整串红提分级。采用该方法对42串红提进行尺寸检测分级,正确分级38串,分级正确率为90.48%。实验结果表明:该方法分级正确率高,能够为葡萄市场分级提供技术支持。

考虑心理距离的随机后悔最小化出行选择模型

为缓解交通拥堵这一城市问题需要对居民的出行决策规则进行准确刻画.作为期望效用理论的补充,后悔理论已广泛应用于交通领域的研究.学者们提出了一系列随机后悔最小化模型,但已有模型鲜少考虑影响后悔情绪度量的心理因素.根据后悔心理学研究中的“标准理论”“后悔一致性模型”等做出基本行为假设,引入心理距离概念区分不同类型的出行方案,构建改进的考虑心理距离的随机后悔最小化交通出行选择模型,以解释心理因素会影响感知后悔情绪的现象.使用瑞士地铁SP调查数据对本文提出的改进模型与原有模型进行对比分析,结果显示,改进模型对居民出行行为机理的描述更为贴切.

出行路径选择的随机后悔最小化模型

从后悔理论入手,分析后悔理论用于出行行为分析的2种一般形式:多项选择集和多属性决策,研究后悔理论在有风险和无风险条件下的模型结构,提出基于随机后悔最小化的出行路径选择行为分析模型,结合算例对比分析随机效用最大化模型和随机后悔最小化模型用于出行路径选择结果的异同。研究表明,出行者做决策时为避免未选择方案比选择方案表现的更好,试图将预期后悔最小化,而不是预期效用最大化。且对于多属性的备选方案,出行决策是半补偿性的。

最小随机化分组系统在多中心临床试验中的应用

最小随机化分组方法以其突出的组间例数和预后因素的均衡能力,受到越来越多新药临床试验研究人员的关注。但由于计算复杂,实施难度大,该方法一直未得到大规模推广应用。本研究结合自主开发的一套基于网络的最小随机化分组系统在随机对照双盲新药临床试验中的应用,讨论了该系统的优点和不足,希望能为同行提供借鉴,并促进最小随机化方法以及中心随机化系统在多中心新药临床试验中的应用。

考虑异质性的经典随机后悔最小化模型改进研究

传统基于后悔理论的交通行为模型对异质性考虑不充分,对真实选择行为的解释存在不足.本文利用韦伯比率,考虑出行者对各方式属性变量感知的异质性,对经典随机后悔最小化模型进行改进,分别建立基于随机效用最大化,经典随机后悔最小化和改进经典随机后悔最小化的选择模型;以网约车选择行为为例进行实证研究,验证改进模型效果.结果表明:3种模型参数标定结果具有一致性,改进模型的拟合优度(0.271)和命中率(75.8%)相较于另外两个模型均较优;改进模型能更好地描述多维属性决策过程中的半补偿原则和折中效应,可以提高模型对真实选择行为的解释能力.

最小化随机分组使用常规统计检验方法的Ⅰ型错误和检验效能

目的:采用觉规统计分析方法,分析最小化随机分组资料后的Ⅰ型错误和检验效能。方法:采用MonteCarlo模拟的方法,计算最小化随机分组的资料使用常规协方差分析的Ⅰ型错误和检验效能,并与简单随机化、中心分层区组随机化分析的结果进行比较。结果:简单随机化、中心分层区组随机化和最小化随机分组的资料采用协方差分析后,Ⅰ型错误均保持在0.05左右。3种分组方法的检验效能接近,无明显差异。结论:最小化随机分组的资料可采用常规的协方差分析方法,并能将Ⅰ型错误保持在0.05左右且不降低检验效能。

考虑路段时间可行域的随机后悔最小模型

传统的随机后悔最小择路模型在估计路段时间期望时没有考虑其可行域,与真实择路行为存在结构性误差。为消除误算路段时间不可行值对随机后悔最小模型结果造成的负面影响,首先,构建了考虑路段时间可行域的随机后悔最小模型,并证明了模型性质,设计了求解算法。其次,模型基于随机退化路网构建,在估计路段时间期望时通过对正态分布的行程时间双侧截尾,去除了不合理时间区域对随机后悔模型估计的路径选择结果产生结构性误差。最后,通过2个算例验证了模型和算法的有效性。基于不含拥挤效应的简单随机路网设计算例结果表明,路段时间可行域后,用户择路结果可能与传统模型估算结果相反。基于含有拥挤效应的Nguyen&Dupuis随机路网设计算例结果表明,随着路段7时间可行域上限增加,各条路径的随机后悔值、选择概率、期望时间和路段均衡流量产生了相应的变化。

半参数回归模型中参数随机加权估计的大样本性质

主要考虑了同方差型的半参数线性回归模型中参数的随机加权最小二乘估计(RWLSE).讨论了用随机加权Bootstrap方法来逼近LSE的分布,证明这种逼近是以概率1渐近有效的.

基于双重随机样本的统计学习理论的理论基础

介绍双重随机理论的基本内容。提出双重随机经验风险泛函,双重随机期望风险泛函,双重随机经验风险最小化原则等概念。最后证明基于双重随机样本的统计学习理论的关键定理并讨论学习过程一致收敛速度的界。为系统建立基于不确定样本的统计学习理论并构建相应的支持向量机奠定了理论基础。

半参数测量误差模型中参数的随机加权估计

给出了半参数测量误差模型中参数的随机加权最小二乘估计.讨论了用随机加权方法逼近最小二乘估计的分布,证明这种逼近是以概率1渐近有效的,并用模拟例子验证了提出方法的有效性.

基于随机粗糙样本的统计学习理论研究

介绍随机粗糙理论的基本内容。提出随机粗糙经验风险泛函,随机粗糙期望风险泛函,随机粗糙经验风险最小化原则等概念。最后证明基于随机粗糙样本的统计学习理论的关键定理并讨论学习过程一致收敛速度的界。

随机变系数线性结构关系EV模型的参数估计

利用随机加权正交回归最小二乘法给出了随机变系数线性结构关系EV模型中的参数估计.

基于蒙特卡罗方法评定不确定度中相关随机变量模拟

蒙特卡罗方法是一种统计模拟方法,也可以应用于测量不确定度的评定。该方法要求各个输入随机变量之间相互独立。本文探讨了蒙特卡罗方法中具有相关性的输入随机变量的模拟,在已知条件下以最小二分法为基础,给出了具有相关性的两个随机变量的模拟方法,并使用该模拟方法在不同的条件下产生具有相关性的随机数,通过统计分析得到随机数的统计特征,从模拟结果可以发现本方法能够较好地完成在给定相关系数条件下生成随机序列。

后悔视角下的应急疏散出行方式决策行为分析

鉴于应急疏散者出行决策的后悔规避心理,以政府公交车、自有私家车和借用私家车三类疏散交通方式选择问题为例,选取平均运行时间、运行时间不确定性、平均等待时间和预期感知服务水平等属性变量,分别构建了基于随机后悔最小化和效用最大化的多项Logit模型.以应急疏散意向行为调查数据为基础,表明后悔模型的模型拟合度优于效用模型,对属性变量间关系的刻画更符合实际.进一步通过弹性计算和敏感性分析,揭示出平均运行时间这一属性最为敏感.研究表明,应急疏散者是后悔规避的,其决策行为试图将后悔感知最小化,而非预期效用最大化,从随机后悔视角描述疏散决策行为更为准确.

LIR序关系的一些封闭性质(英文)

证明了Location Independent Riskier Order随机序关系关于简单随机样本的极小值与可微递增凹变换的封闭性质,并讨论了Dilation序关系的一些矩不等式.

多特征融合决策的发票印章识别

识别发票专用章是提取发票信息的关键步骤之一,为此提出一种多特征融合决策的印章识别算法。利用最大对称环绕(MSS)算法检测图像中的感兴趣区域;依据印章的形态特征剔除无关目标,通过迭代自组织数据分析(ISODATA)算法对图像中的剩余目标进行聚类分析;提取各类别外轮廓上的样本点进行随机最小二乘椭圆拟合,实现印章的识别与扶正。实验结果表明,所提算法的识别准确率高,抗噪性好,对印章轮廓残缺或背景复杂的图像均能得到满意的识别结果。

基于后悔理论的出行路径选择行为研究

使用随机后悔理论研究出行者的路径选择行为.为了克服随机后悔最小模型不能刻画后悔程度的缺陷,引入后悔厌恶水平,构建了多项式Logit形式的随机均衡模型.算例结果表明,后悔厌恶水平确实是影响出行者路径选择行为的重要参数,随着后悔厌恶水平的增加,选择最短路径的出行者越来越多,选择非最短路径的人数越来越少.

大气紊流的数字仿真

为提高大气紊流数字模拟的精度,分析Dryden紊流模型的数字仿真技术,发现仿真中采用的高斯白噪声序列的生成精度是影响大气紊流模拟精度的重要因素.在不改变随机数序列均值、方差以及概率密度特性的情况下,采用双随机交换最小化方法对高斯噪声序列进行白化处理,使得随机数序列的白化程度提高,从而使紊流模拟的精度提高,而且模拟精度受采样间隔的影响降低.采用双随机交换最小化方法对高斯白噪声序列进行改进是提高紊流模拟精度的1种直接有效的手段.