Hill estimator of projections of functional data on principal components

Functional principal component scores are commonly used to reduce mathematically infinitely dimensional functional data to finite dimensional vectors. In certain applications, most notably in finance, these scores exhibit tail behaviour consistent with the assumption of regular variation. Knowledge of the index of the regular variation, α, is needed to apply methods of extreme value theory. The most commonly used method of the estimation of α is the Hill estimator. We derive conditions under which the Hill estimator computed from the sample scores is consistent for the tail index of the unobservable population scores.     

英语写作教学中语法反馈的探讨

语法问题一直是外语和第二语言教学广泛关注且颇有争议的话题。论述了英语写作教学中反馈及其作用,以及有关语法改错的讨论,并提出了有效反馈的具体方法及语法在写作教学中应有的位置。     

"得"字句研究札记三则

我们认为 ,“得”字句的语义、结构中心在“得”后成分上 ,所以“把墙刷得白”不能说 ,是因为“把”字句表示一种处置 ,其后的谓语必然蕴含着实现这一时体意义 ,而作为有“把”的“得”字句中心的“白”是单个性质形容词 ,本身不包含实现这一时体特征 ;我们对范晓先生《复动“V得”句》一文中的用三个平面观点解释一种“得”字句提出一点疑问 ;对张豫峰以博士论文为基础发表的两篇论文中的观点和学风问题进行了批评。     

试论戏剧翻译的标准

译文的使用目的决定了不同体裁文体的翻译应遵循不同的翻译标准。本文分析了戏剧翻译的特点,提出戏剧翻译应以功能对等为原则,以原语和译语观众能获得大体相同的反应为标准,并探讨了为达到功能对等需对译文进行调整。     

系统功能语篇分析实证研究——以主位结构为例

运用Halliday系统功能语法的观点和方法,主要探讨了语篇功能赖以实现的主位系统,分析主位结构和主位推进程序在实现语篇的衔接和连贯中的作用、所具有的文体功能以及主位的选择和使用表达说话者的不同目的的关系。     

教育技术系统方法在幼儿教育中的应用个案

运用教育技术系统方法开展教学活动,对于幼儿教育同样适用,在幼儿教育中使用系统方法,整合信息技术,让幼儿从小接受多角度、全方位的思维训练。现以一次成功运用系统方法的幼教实践活动作为案例,提取其中的主要步骤进行分析,抛出幼儿教育推广系统方法之砖。     

中国城市化与社会结构变迁

文章从社会学角度探讨了过去30年以来中国的城市化及其引发的社会结构变迁。文章指出，在过去30年中国的城市化经历了飞速的发展，进入了快速城市化阶段，离基本城市化阶段越来越近，但由于中国独特的城乡制度以及行政管理体制，中国城市化呈现两种模式——主动城市化模式和被动城市化模式，并呈现多种城市化主体，而政府和企业则是中国城市化的主导性主体。这背后最主要的动力机制还是制度和利益，彰显出中国社会结构变迁趋势：在利益机制驱使下，中国社会渐渐地形成了城乡差别不断扩大、城市内部分化明显的利益分配格局；由于缺乏公开、公正、民主的配置机制，各个城市化主体之间的博弈大多屈从于弱肉强食的“丛林法则”，从而导致各种暴力冲突、相互仇视的问题，这在一定程度上破坏了城市社会运行秩序特别是支撑这些秩序的信任机制，显现出相当严重的合法性危机，对未来中国的城市化提出了严峻的挑战。为此，文章提出了中国未来城市化的几种可能的路径。     

《警察与赞美诗》的功能文体学

运用功能文体学的理论,通过对三大元功能的介绍和应用对欧.亨利作品《警察与赞美诗》进行的分析。功能文体学为文学欣赏提供了有效的手段,使人们更好的对作品有了深层的理解和欣赏。     

Resampling-based Classification Using Depth for Functional Curves

The depths, which have been used to detect outliers or to extract a representative subset, can be applied to classification. We propose a resampling-based classification method based on the fact that resampling techniques yield a consistent estimator of the distribution of a statistic. The performance of this method was evaluated with eight contaminated models in terms of Correct Classification Rates (CCRs), and the results were compared with other known methods. The proposed method consistently showed higher average CCRs and 4% higher CCR at the maximum compared to other methods. In addition, this method was applied to Berkeley data. The average CCRs were between 0.79 and 0.85.     

Sparse group lasso for multiclass functional logistic regression models

Sparsity-inducing penalties are useful tools for variable selection and are also effective for regression problems where the data are functions. We consider the problem of selecting not only variables but also decision boundaries in multiclass logistic regression models for functional data, using sparse regularization. The parameters of the functional logistic regression model are estimated in the framework of the penalized likelihood method with the sparse group lasso-type penalty, and then tuning parameters for the model are selected using the model selection criterion. The effectiveness of the proposed method is investigated through simulation studies and the analysis of a gene expression data set.