噪声为混合序列的非参数函数变点的小波检测

利用小波方法对新息过程为混合序列的非参数回归函数的跳跃点进行检测.在原假设下得到任意尺度上的临界值.

噪声为混合序列的非参数函数变点的小波检测

利用小波方法对噪声为混合序列的非参数回归函数的跳跃点进行检测.在原假设下得到任意尺度上的临界值.

无穷方差厚尾过程中非参数函数的小波估计

研究无穷方差厚尾过程中含有变点的非参数函数的估计问题。通过小波方法给出变点位置的估计值并得到其收敛速度。在已知变点估计值的基础上,将截尾方法与小波压缩方法相结合得到非参数函数的估计值。模拟研究结果说明对于无穷方差厚尾过程中的函数估计问题小波方法是有效的。

删失指标随机缺失下一类非参数函数的加权局部多项式估计及其应用

本文在右删失数据中删失指标部分随机缺失下,构造了一类非参数函数的校准加权局部多项式估计以及插值加权局部多项式估计,并建立了这些估计的渐近正态性;作为该方法的应用,导出了条件分布函数、条件密度函数以及条件分位数的加权局部线性双核估计和插值加权局部线性双核估计,并且得到了这些估计的渐近正态性;最后,在有限样本下对这些估计进行了模拟.

我国省级碳排放绩效评价及边际减排成本估计:基于非参数距离函数方法

本文利用非参数距离函数方法研究了能源消费结构约束下的我国省级地区碳排放绩效水平和二氧化碳边际减排成本。计算结果表明:各地区二氧化碳边际减排成本差异较大,一般碳强度越低的地区,所要付出的宏观经济成本越高,减排难度也更大。与传统不考虑能源消费结构的评价结果进行比较发现,忽略能源消费结构的制约会低估碳排放绩效水平,并且导致二氧化碳边际减排成本计算结果出现偏差。

基于非参数基函数的自适应信号分解算法

提出了一种分解信号特征的自适应信号处理算法.算法的核心是将观察信号分解为一组最好匹配信号局部结构的特征波形的线性展开,这些特征波形是由非参数基函数特征波形估计方法计算所得.分解算法中模板信号的自适应调整使算法可以不再过多地需要信号的先验知识,在实际应用中具有更加良好的柔性和适应性.通过对算法自适应性和收敛性的测试,验证了算法的性能.仿真信号的提取结果与传统匹配追踪算法分解结果及EMD方法分解结果的比较,进一步表明了所提算法的可行性和有效性.

￠－混合误差下非参数回归函数加权核估计的相合性

本文在－混合误差下讨论Ｐｒｉｅｓｔｌｅｙ，Ｍ．Ｂ．和Ｃｈａｏ，Ｍ．Ｔ［１］提出的一类非参数回归函数加权核估计的相合性。在较弱的条件下证明了它的完全收敛性和强相合性。这些结论改进了现有的独立情形和相依情形的相应结论。

缺失数据下φ混合样本情形非参数回归函数的经验似然推断

在φ混合的随机误差下,本文研究了固定设计及响应变量有缺失的非参数回归模型中回归函数的经验似然置信区间的构造.首先采用非参数回归填补法对缺失的数据进行填补,其次利用补足后得到的"完全样本"构造了非参数回归函数的经验似然比统计量,并证明了经验似然比统计量的极限分布为卡方分布,利用此结果可以构造非参数回归函数的经验似然置信区间.

两两NQD序列下非参数回归函数估计的相合性

在两两NQD序列误差下讨论Priestly,M.B.和Chao,M.T.[1]提出的一类给参数回归函数加权核估计的相合性.

非参数回归函数最近邻估计强相合性的研究

在样本序列{(xn,yn),n≥1}为平稳Φ-混合的情况下,研究了回归函数m(x)的最近邻估计mn(x)的强相合性问题,并给出了它在非参数判别中的一个应用.

截尾样本下非参数回归函数改良分割估计的渐近正态性

设{(Xi,Yi),i≥1}是从取值于Rd×R1的总体(X,Y)中抽出的一个i.i.d样本E|Y|<∞。文章在简洁的条件下,利用截尾数据的性质和鞅的有关理论,证明了非参数回归函数改良分割估计的渐近正态性。

非参数回归函数的经验似然置信区间

经验似然是由Owen引入的一种非参数推断方法,主要讨论了相依样本下非参数回归函数的经验似然置信区间.

非参数回归函数的置信区间

利用随机加权法构造非参数回归函数的随机加权统计量 ,证明了用随机加权统计量的分布去逼近原估计量的误差分布 ,其精度可达到 o( n- 1 /( d + 2 ) lnn Mn) ,a.s.,其中 0 <Mn→∞ .该结果可以用于构造未知回归函数 m( x)

NA相依样本非参数回归函数加权核估计

在ＮＡ相依样本下研究非参数回归函数加权核估计的相合性，对完全收敛和强相合性给出较弱的充分条件．与此同时对ＮＡ序列给出一个简洁实用的Ｂｅｒｎｓｔｅｉｎ型不等式．

截尾数据的非参数回归函数的核估计

基于｛（Ｘｉ，Ｚｉ，δｉ），１≤ｉ≤ｎ），我们建立了Ｅ（Ｙ｜Ｘ＝ｘ）的估计ｍｎ（ｘ）和ｍｎ（ｘ），并证明了估计量的强弱相合，积分绝对误差的强相合与平均相合性．

-混合误差下非参数回归函数加权核估计的相合性

本文在-混合误差下讨论Priestly,M.B.和Chao,M.T.提出的一类给参数回归函数加权核估计的相合性.

基于信号稀疏表示的非参数基函数特征提取理论研究进展和展望

有效的信号特征提取技术在信号的分析、增强、压缩、复原等领域起着重要的作用,是模式识别、智能系统和故障诊断等诸多领域的基础和关键。虽然目前研究者提出了很多方法来解决这个问题,然而处理效果并不理想。非参数基函数特征提取是一种基于稀疏表示的特征提取方法,方法的核心是将观察信号分解为一组最好匹配信号局部结构的特征波形的线性展开,这些特征波形是由非参数基函数特征波形估计方法计算所得。详细描述了非参数基函数特征提取方法的理论思想,介绍了该方法的最新研究进展及其存在的问题,最后指出了该方法进一步发展的方向。

α混合下非参数回归函数基于分割估计的强相合性

文章在样本序列(X1,Y1),(X2,Y2),…,(Xn,Yn)取值于Rd×d1上同分布的α混合随机向量序列的情形下,研究了非参数回归函数m(x)=E(Y|X=x)基于分割估计的强相合性。

截尾样本下非参数回归函数基于分割估计的渐近正态性

设{(Xi,Yi),i≥1}是从取值于Rd×R1的总体(X,Y)中抽出的一个i.i.d样本E|Y|<∞,回归函数m(x)=E(Y|X=x)。文章在简洁合理的条件下,利用截尾数据的一些性质和鞅的有关理论,证明了截尾样本下非参数回归函数基于分割估计的渐近正态性。

非参数自回归函数的有限元估计及其收敛速度

针对局部方法不能给出所拟合模型的简单的显式表达式,而且拟合和预报的计算量较大,本文考虑一种估计非参数自回归函数的全局有限元方法。该方法不但能克服上述局部方法之不足,而且在一定情形下优于多项式样条方法。在α-混合条件下得出了非参数自回归函数有限元估计的收敛速度,同时给出了利用AIC准则自动选择结点个数的数据追赶法,模拟算例说明了有限元估计方法的可行性。