ARMA模型参数估计算法的改进

文章提出了一种ARMA模型的非线性估计方法,这种方法通过DFP算法构造具有遗传对称正定性的矩阵来近似Hesse矩阵的逆,从而实现了ARMA模型参数的估计.仿真结果表明,该方法具有良好的准确度和可靠性,可以改进ARMA模型的参数估计.     

量子BP神经网络模型的理论算法与应用研究

文章提出一种量子BP网络模型及学习算法,模型基于量子学中一位相移门和两位受控非门的通用性,构造出一种量子神经元,由量子神经元构造出三层量子BP网络模型,基于梯度下降法构造了该模型学习算法.模拟油藏测井解释中测井曲线与水淹级别之间的映射关系计算时采用该模型及算法,实现了油藏测井解释中水淹层自动识别,实验结果表明该方法对解决水淹层识别问题具有良好的适应性和实用性.     

自适应局部惩罚样条回归模型探讨

在惩罚样条回归方法中,截断幂基系数的惩罚权重是相等的,这导致在数据具有局部异质性时不能很好地去拟合原函数.文章以结点两端数据点的方差构造了一种新的局部惩罚样条回归方法,能够很好地解决数据具有局部异质性的问题.该方法对数据波动较小的区域给予较大的惩罚,而对数据波动较大的区域给予较小的惩罚,从而实现惩罚的局部性.通过模拟的结果可知,当数据具有局部异质性时,构造的新的局部惩罚样条比整体惩罚样条和光滑样条具有更好的拟合效果.     

一种非参数可加模型回归估计的简便方法

文章利用非参数可加模型来构造经济增长函数.从研究方法看,文章采用了一种较为简便的非参回归估计方法构造矩阵,并运用Backfitting算法来对该函数进行迭代求解.该方法简单明了,在程序实现过程中避免了选择窗宽的繁冗过程;从实证的角度看,文章从两个方面来考虑经济增长的影响因素:外商直接投资和普通高校招生情况,这两方面皆被目前人们所普遍关注.实证结果揭示了影响经济增长的一些重要特征.     

基子分形插值函数模型的非等距时序灰色预测方法

本文简单介绍了分形插值的数学模型及其插值方法,构造了一种分形插值算法.该算法利用区间内的迭代函数系和吸引子由特定的初始点出发进行直接搜索,并通过迭代特定次数和获得的点集与吸引子均方偏差不断减小的过程来逐步调整初始点的纵坐标值,而均方偏差达到最小化时的纵坐标值可作为预测值.该值可用于非等距时序GM(1,1)的灰色预测问题.     

基于变异系数-G1法的混合交叉赋权方法

文章利用评价指标的变异系数代替决策者主观人为确定相邻评价指标的重要性程度之比,构造了一种新的基于主观赋权的G1法与客观赋权的变异系数法有效巧妙结合的混合交叉赋权方法,该方法不仅避免了单一赋权方法无法反映客观数据信息或决策者主观意图的弊端,而且避免了组合赋权方法无法客观确定组合系数的双重难题.最后将新构造的混合交叉赋权方法应用于区域科技发展的综合评价.     

基于聚类组合和支持向量机的环境经济负荷调度模型

文章提出了一种基于聚类组合和支持向量机的短期负荷预测方法.该方法首先使用SOM网络训练规格化的特征数据并获得初始聚类中心;然后将初始聚类中心作为C-均值算法的输入,使用DB指数评价聚类结果以获得最佳聚类数,通过训练可得到相似日样本;最后选择合适的参数和核函数构造支持向量机模型来进行逐点负荷预测.     

二分类集群数据下灵敏度和特异度的置信区间构建

在医学诊断等应用领域中广泛存在二分类集群数据,其特征是来自同一个群的反应结果存在相关。对于该数据下灵敏度和特异度的置信区间构造,目前已有方法在小样本及灵敏度或特异度偏大时区间覆盖率较差,通过利用二项分布得分区间的构造思想,基于灵敏度和特异度的最优加权估计量构造一种新的置信区间;通过蒙特卡洛模拟表明,与已有方法相比新区间的覆盖率明显最优、且区间长度较小;新区间在二分类集群数据的应用中值得推广。     

有关标志等距抽样标准误估计方法新探

一、近似线性直线趋势回归估计法(一)基本思路抽样总体按其被研究标志的标志值排列情况,可以分为两类:一是该总体完全呈线性直线趋势,即总体各单位的标志值数列成等差变化;二是不呈线性直线趋势。对于第二类又可区分为近似呈线性直线趋势和完全不呈线性直线趋势两种。在按有关标志排队等距抽样时,我们认为绝大多数社会经济现象是近似呈线性直线趋势的。对于完全呈线性直线趋势的情况,其     

相关系数及回归直线方程的简易计算方法

在一般情况下,拟合两个变量之间的回归直线以及判断它们是否显著相关,可以通过计算来实现。但是,当观察次数(N)很大时,计算就显得比较麻烦了,这在一定程度上限制了相关回归分析方法更广泛的应用。下面要介绍的是一种求相关系数及回归直线的简易方法。这种方法不需要经过什么计算,只要画画图、查查表就可以大致求得相关系数及回归直线。当然,这种方法的精确度较之通过计算而求得相关系数及回归直线稍差,但仍具有广泛的使用价值。     

基于核密度估计对VaR值计算方法的改进

文章从VaR方法的定义出发,首先对VaR值的两种基本计算方法进行阐述,进而基于核密度估计,提出一种改进的VaR值计算方法.该改进方法将蒙特卡罗模拟法引入到核密度估计规则,并且考虑四分位距来构造核密度估计的窗宽,对股市收益率的变异性以及高峰厚尾现象进行了更好地刻画.实证验证了改进的VaR值计算方法的有效性及优越性.     

叠代加权线性回归法

两种不同的回归方法 利用调查数据,建立两个随机变量之间的函数关系,我们通常用回归的方法.根据变量之间是否存在线性关系,分为直线回归与曲线回归.对于直线回归当然是用最小二乘法.     

基于混合模型的动态判别分析及应用

当检验数据中包含有新的类别时,传统判别分析方法所构造的分类器,无法识别这些新类别,只能将检验数据划分到学习阶段所遇到的已知类别当中,分类正确率较低.为克服这一缺陷,文章引入一种基于混合模型的动态判别分析方法,可自适应调整原有的分类器,使之能够发现新类别,并显著提高分类正确率.一个实际数据的分类结果验证了该方法的有效性.     

适应性整群抽样下的事后分层估计

文章从事后分层的角度,对适应性整群抽样的估计方法进行了研究.利用事后分层的层内单元相似性,构造了一种新的无偏估计量,并对估计量的性质进行了推导,最后通过一组模拟数据对估计量的效果进行了对比检验.     

上证指数预测摸型——基于二次规划最优组合的神经网络方法

文章利用主成份分析构造神经网络输入矩阵:利用Bagging技术和不同神经网络算法生成一组神经网络个体:最后用二次规划最优组合方法,计算各集成个体的最优非负权系数进行组合集成,生成输出结论,以此建立股市预测模型.通过上证指数开盘价进行实例分析,计算结果表明该方法预测精度高、稳定性好,易于操作.     

基于0-8标度的有向加权图法在群决策中的应用

文章主要针对群决策中专家客观权重的确定等问题,提出一种基于0-8标度的有向加权图法加以解决的模型.首先采用0-8标度法衡量两方案之间的优先程度,并由此构造有向加权图,通过定义有向加权图的秩向量计算专家个体时方案的量化评价结果;在此基础上给出根据有向加权图自身逻辑性的强弱和专家与群组之间的协调性大小确定专家客观权重的两种方法:最后综合两种客现权重作为专家最终的客观权重并进而得出群决策结果.算例表明该方法合理有效、实用可行.     

基于CRITIC的多属性决策组合赋权方法

多属性决策中属性权重的确定方法有多种,每种赋权方法有其各自的特点,为了综合利用各种赋权法的优势,文章基于CRITIC的基本原理,提出了一种组合赋权方法。该方法通过对利用比强度和冲突性结合构造组合权重,研究了模型的求解,给出权重的计算公式,探讨组合赋权方法的检验,确保组合权重能反映主观信息和客观信息,并总结该方法的计算步骤。最后进行实例分析,结果表明该组合赋权方法是有效性的。     

一种基于优势度的直觉梯形模糊数排序方法

文章给出了直觉梯形模糊数的期望值和散度的定义,并依据期望值越大、散度越小越优原则,构造了排序直觉梯形模糊数的排序指标,进而提出了一种基于优势度指标的直觉梯形模糊数的排序方法。通过具体算例将文章提出的排序方法与已有文献中的方法进行比较,说明了该排序指标的有效性,并将该方法应用到了直觉梯形模糊数的多属性决策方法领域。     

一元线性回归中的相关系数与回归直线斜率探讨

一元线性回归是研究两个变量之间的非确定关系的一种数据分析方法.在经济学、社会学等领域有着广泛的应用.只有我们对相关系数与回归直线斜率的计算方法、它们各自的含义及其相互关系有一个清楚的理解,我们才能真正把握一元线性回归方法的核心思想.     

基于R语言的缺失值填补方法

数据缺失是一个在实验研究和调查研究中经常遇到的问题。文章先介绍了数据缺失机制的四种形式,指出解决数据缺失的一般性方法,即可以通过尽量引入更多的相关变量从而简化缺失机制;然后利用R语言对2006年中国健康与营养调查的部分数据进行了填补,介绍了各种填补方法在R中的应用,并在介绍热平台方法时提出运用R寻找匹配样本的新思路。