响应变量随机缺失的相依函数型单指标模型的k近邻估计

针对具有α混合结构的函数型时间序列数据,当响应变量随机缺失时,利用函数型单指标模型进行统计建模,并采用k近邻方法对模型中未知参数和未知函数进行估计,与经典核方法相比,其数据适用性更强,可以提高估计效率;通过数值模拟和厄尔尼诺海平面温度数据,将k近邻方法和经典核方法进行比较,讨论k近邻方法与经典核方法对未知参数和未知函数的估计效果;从模拟结果可以看到:k近邻方法对未知参数和未知函数的估计精度以及随样本增加的改善效果要优于经典核方法,在真实数据分析中,k近邻对真实数据的精度拟合以及趋势拟合都表现优异;这些结果表明:在响应变量随机缺失的时间序列单指标模型中,采用k近邻方法对未知参数和未知函数进行估计,在精度上要优于经典核方法,同时在真实数据分析中,相比经典核方法,k近邻方法能更好地拟合数据。

非参数模型的三种经典估计方法

参数估计是在概率密度函数已知的前提下,利用似然函数对参数进行估计,但是,在实际问题中,很多数据的分布是事先无法假定的,于是非参数模型就应运而生;主要利用核估计、局部多项式估计和k近邻估计三种经典方法对非参数模型进行估计,并辅以经典的例题;最后,通过一个综合模拟计算对这三种估计方法进行了比较并证明所提出的方法是有效和可行的。

多维随机变量的熵估计及其在独立性检验中的应用

针对多维随机变量Renyi熵和Shannon熵的估计问题,分别研究基于k近邻估计、核密度估计和关联积分估计得到的各估计量的不同性质,进一步提出基于k近邻估计的条件独立性检验方法。模拟结果表明:对于多维随机变量,当维数较大时,基于k近邻方法的熵估计和条件互信息估计更为有效。

基于大数据分析的人力流动区域估计模型仿真

针对大数据下的人力流动区域的估算问题,提出基于大数据分析的人力流动区域估计仿真模型。引进了K近邻非参数估计仿真模型,对大数据背景下的人力流动区域进行标准估算。同时能够对K值进行预留计算,避免大数据干扰的发生,优化了分类近邻子集生成模块,有效地提高了估算能力以及估算的范围,对人力流动区域的估算准确性有极大的帮助。并进行实验分析,由实验分析可知,提出的方法能够准确地对人力流动的区域进行系统的估算。

K近邻优化估计的SAR图像建模与目标检测算法

在非均匀杂波环境下的合成孔径雷达(synthetic aperture radar, SAR)图像背景建模问题中,针对非参量建模算法Parzen窗估计严重依赖于窗宽设置及最优核函数选择的问题,提出一种基于K近邻优化的概率密度函数估计算法,解决因固定近邻数而导致估计不准确甚至不能估计的问题.该算法不需要图像的任何先验知识,且无需考虑窗宽的设置及最优核函数的选择问题.与Parzen窗估计、K分布和G^0分布的对比实验表明,所提出的K近邻优化估计算法可以实现对单峰、多峰甚至不规则图像数据的准确建模,优于K分布和G^0分布;同时,对图像首尾数据的处理优于Parzen窗估计.实验结果验证了所提出方法对SAR图像杂波建模的精确性、鲁棒性和简便性,以及全局恒虚警率目标检测的有效性.

煤矿网络带宽测量中的背景噪声过滤方法研究

介绍了瓶颈带宽测量中的背景噪声问题,分析比较了现有的背景噪声过滤算法,指出了它们各自的优缺点。把广义k近邻估计应用于瓶颈带宽测量中的背景噪声过滤上,提出并实现了基于广义k近邻估计的噪声过滤算法。建立了仿真实验环境,对基于广义k近邻估计的噪声过滤方法与其它方法进行了比较验证,结果表明该方法具有更高的准确性和更强的鲁棒性。

IC参数成品率全局优化的映射距离最小化算法

提出了一种新的集成电路参数成品率的全局优化算法———映射距离最小化算法.该算法采用了均匀设计与映射距离最小的耦合优化,每次迭代模拟次数很少,优化过程明显加速.另外,给出了一种粗略估计空间点集均匀性的方法———k近邻密度估计,在有效时间内判断一个空间点集的均匀性.模拟结果表明,该算法对集成电路进行快速成品率优化设计及提高电路设计的稳定性具有较好的应用价值.

函数型数据的近邻域估计

主要讨论函数型数据的近邻域估计的渐近性质.在α-混合条件及一些正则性假设下,我们讨论了函数空间上非参数回归函数的k阶近邻域估计的相合性和渐近正态性.通过模拟分析几组不同误差分布的函数型数据,并与核估计方法进行比较,验证了有限样本下,近邻域估计方法的有效性,并得出近邻域估计在稳健性方面更有优势.