核密度估计在构造树高曲线中的应用

以建立云南思茅松林树高曲线模型为例,在分析最小二乘估计( LS 估计)存在缺陷的基础上,采用非参数核密度估计建立树高曲线模型.结果表明:适当选取核函数和窗宽后,核密度估计优于LS估计;核密度估计不仅可用于建模,还可用于数据检验;用核估计方法拟合模型,要求原始数据为大样本,否则模型波动较大.     

利用相对误差最小二乘法估计材积方程参数

提出了利用相对误差最小二乘法估计材积方程参数的方法,讨论了该方法与加权最小二乘法估计材积方程参数的某些一致性。该方法在一定程度上克服了材积方程模型的异方差性,使建立的材积方程较大地降低了平均相对预测误差,提高了精度     

基于最小二乘支持向量机的灌区粮食产量预测研究(英文)

对常用作物产量预测模型进行了简要评述,建立了基于最小二乘支持向量机的灌区产量预测模型。最小二乘支持向量机,采用二次规划方法代替传统的支持向量机来解决函数估计问题。最小二乘支持向量机在利用结构风险原则时,在优化目标中选取了不同的损失函数,即误差ξ_i(允许错分的松弛变量)的二范数。这使得最小二乘向量机的优化问题为:min(1/2)‖w‖~2+C(1/2)sum from i=1 to 1ξ_i~2(ξ_i是松驰变量;C为正则化参数)。用于函数估计的最小二乘SVM为:y(x)=sum from k=1 to Nα_k K(x,x_k)+b。采用等式约束可以将求解的优化问题转化成线性方程,大大减少算法的复杂性,另外,采用径向基核函数的最小二乘SVM仅需确定γ、σ2个参数(γ为可调参数,σ为核函数宽度系数),参数的搜索空间由标准SVM的三维降低到二维,极大地加快了建模速度。对γ,σ2个参数通过模型评估来确定参数最优值,大大提高了预测的精度。对河南省人民胜利渠灌区作物产量进行模拟计算,并用检验样本与灰色预测和神经网络模型的预测结果进行了比较。结果表明,最小二乘SVM预测的最大误差7.12%,平均误差4.81%;灰色理论预测的最大误差38.36%,平均误差17.52%;神经网络预测的最大误差10.40%,平均误差6.80%。可见,最小二乘支持向量机模型有较高的预测精度和良好的推广能力,预测结果优于灰色预测理论和人工神经网络,可作为灌区粮食产量预测的一种新方法。     

《东阳楼记》中透视的周敦颐思想之精义

以对称二次型模糊回归模型为基础，引入一般二次模糊回归模型，利用模糊最小二乘法估计未知参数.构建评价标准考察两模型的拟合效果，在样本期内和样本期外分别评价模型的实际拟合与预测能力.     

多变量混沌时序正则化局部线性预测

为了克服多变量混沌时序局部线性预测模型中利用最小二乘法确定参数时会产生多重共线性的缺陷,提出了基于正则化回归的多变量混沌时序局部线性预测模型。该预测模型是在一般的多变量混沌时序局部线性预测模型中对最小二乘法进行改进,引入正则化估计,利用正则化回归法对模型参数进行估计。实证研究结果显示,模型比改进前有更好的预测精度和抗噪能力。     

Bertalanffy生长方程对峦大杉生长的拟合

在阐述Bertalanffy生长方程基本性质基础上,运用单向差分最小二乘法、双向差分最小二乘法、中心差分最小二乘法对其模型参数进行估计;应用Bertalanffy生长方程对峦大杉(Cunninghamia konishii Hayata)生长进行拟合,验证参数估计有效性及适用性。结果表明:单向差分最小二乘法、双向差分最小二乘法、中心差分最小二乘法对Bertalanffy生长方程参数估计,有效、适用;应用Bertalanffy生长方程对峦大杉生长拟合优度,验证了Bertalanffy生长方程不仅适用于海洋生物,同样适用于拟合峦大杉的生长规律;由3种参数估计法对应的统计量(R2)表明,中心差分最小二乘法得到的回归模型拟合度,优于单向差分最小二乘法、双向差分最小二乘法。     

线性模型参数的聚类主体成分估计

结合聚类分析方法与主成分分析方法，得到了线性模型参数的一种新估计－聚类主成分估计，并把它与最小二乘估计（ＬＳＥ）和主成分估计（ＰＣＥ）比较，获得了一些优良的性质。     

基于最小二乘支持向量机的灌区粮食产量预测研究

对常用作物产量预测模型进行了简要评述,建立了基于最小二乘支持向量机的灌区产量预测模型。最小二乘支持向量机,采用二次规划方法代替传统的支持向量机来解决函数估计问题。最小二乘支持向量机在利用结构风险原则时,在优化目标中选取了不同的损失函数,即误差ξ_i（允许错分的松弛变量）的二范数。这使得最小二乘向量机的优化问题为：min（1/2）‖w‖^2＋C（1/2）sum from i=1 to 1ξi~2（ξi是松驰变量;C为正则化参数）。用于函数估计的最小二乘SVM为：y（x）=sum from k=1 to Nαk K（x,xk）＋b。采用等式约束可以将求解的优化问题转化成线性方程,大大减少算法的复杂性,另外,采用径向基核函数的最小二乘SVM仅需确定γ、σ2个参数（γ为可调参数,σ为核函数宽度系数）,参数的搜索空间由标准SVM的三维降低到二维,极大地加快了建模速度。对γ,σ2个参数通过模型评估来确定参数最优值,大大提高了预测的精度。对河南省人民胜利渠灌区作物产量进行模拟计算,并用检验样本与灰色预测和神经网络模型的预测结果进行了比较。结果表明,最小二乘SVM预测的最大误差7.12%,平均误差4.81%;灰色理论预测的最大误差38.36%,平均误差17.52%;神经网络预测的最大误差10.40%,平均误差6.80%。可见,最小二乘支持向量机模型有较高的预测精度和良好的推广能力,预测结果优于灰色预测理论和人工神经网络,可作为灌区粮食产量预测的一种新方法。     

GPS网平差的多元响应模型及参数估计

本文针对CPS测量数据为多元响应数据的特点，建立了一个CPS网平差的多元响应模型，讨论了模型的性质，在几种情形下，给出了参数的极大似然估计与非线性最小二乘估计的非线性优化模型，讨论了参数估计的求解方法。     

乳牛泌乳曲线的数学模型及其在提早选择种公牛中应用的研究

本文采用时间序列分析方法和回归分析方法,对泌乳曲线的数学模型进行了研究,同时采用Kalnan滤波技术提早估计了模型参数;探讨了提早选择种公牛等问题。结果表明,不完全Г函数存在一定误差,平稳自回归模型具有显明的改进效果。在泌乳曲线的模型模拟研究中,应按产犊季节分别研究;采用最小二乘方法求解模型参数,提早预测产量误差较大,运用现代控制理论建立滤波控制系统,用Kalman滤波估计模型参数,比较最小二乘法具有独特优越性。当由Kalman滤波提早估计模型参数后,用平稳自回归模型预测全期产量误差较小。根据预测的总产乳量,运用BLUP原理估计公牛育种值,可提早选择种公牛。     

Logistic方程组的统计模型及对红松单木生长的拟合

运用生物统计学中的似乎不相关线性模型的原理与方法对Logistic方程组的参数进行广义最小二乘估计,并应用于红松单木生长的拟合。此统计建模不仅为多个具有相互关系的Logistic方程构建了相互关联的系统,也为Logistic方程组的实际应用提供了新的技术方法。     

NSD序列加权和的完全收敛性及其应用

研究了NSD(negatively superadditive dependent)随机变量序列的极限定理.利用截尾技术和NSD随机变量序列的性质讨论了NSD随机变量加权和■的完全收敛性,并将其结果应用于含参数β的最小二乘估计的线性回归模型中及关于g的权函数非参数回归模型估计中,分别得到了强相合性.     

矩阵二次函数的极值

本文用配方法推出了矩阵二次函数ｆ（Ｘ）＝Ｘ’ＡＸ＋Ｘ’Ｂ＋Ｂ’Ｘ＋Ｃ在无条件及有约束条件下的极值，并利用其结果推出了线性模型中参数β最小二乘估计。     

稳健估计在林业灰色建模中的应用

简析稳健估计理论在林业灰色建模中的应用,并将理论与实例结合对稳健估计与最小二乘估计进行比较。结果表明,利用稳健估计理论来进行林业灰色建模,不但可以抗击粗差的影响,而且预测精度基本满足在80%以上。     

函数型非参数部分自回归模型及其在金融中的应用

结合金融市场中的滞后现象以及函数型协变量和响应变量之间的非线性关系提出了函数型非参数部分自回归模型,接着使用profile最小二乘方法和非参数核估计方法给出了该模型的估计,并通过统计模拟验证了该方法的有效性,最后通过上证指数的实例验证了模型的预测能力.     

基于贝叶斯面板平滑转换模型的房价阈值效应研究

针对经济变量之间普遍存在的非线性关系,导致线性模型拟合失效的问题,构建面板数据平滑转换模型,刻画变量之间关系的非对称性。采用贝叶斯方法进行模型的参数估计,避免非线性最小二乘算法难以收敛,参数估计不确定。通过分析模型结构,选择参数先验分布,设计相应的Metropolis-Hasting-Gibbs混合抽样算法,据此估计模型参数;在此基础上,利用省域面板数据分析房价阈值效应问题。研究结果表明：参数的动态迭代轨迹收敛,MH-Gibbs混合抽样算法能够准确地估计模型各参数,解决了非线性最小二乘无法收敛的问题,证明了贝叶斯面板数据平滑转换模型的有效性;同时也验证了房价波动的阈值效应以及房价与城市化、城乡收入差距之间的非线性关系。     

开放核心群育种体系（ONBS）研究：Ⅲ.杂交参数的估计方法和…

在开放核心群育种体系的杂交方案中，选择和迁移遗传学效应是影响杂交系数估计的两个主要的动态因素。本研究结果表明，在群体均值模型基础上采用加权最小二乘方法可以有产地估计有关的杂交参数。体系中群体直接遗传效应生往随选择和迁移的影响而发生较大的定向变异，但母本效应和杂种优势的变异较小。     

基于LASSO算法的多QTL定位的模拟研究

此篇文章中,应用一种基于LASSO的算法去同时定位多个数量性状位点(QTL)。在QTL定位方法中,迭代加权最小二乘法(IRLS)和极大似然法(ML)在参数估计准确性和检测效率方面效果几乎一致。但是在参数估计的稳健性和计算速度方面,迭代加权最小二乘法又明显优于极大似然估计。结合参数的先验分布信息,基于贝叶斯理论的极大似然估计能够分析多QTL模型。然而迭代加权最小二乘估计不能很好的检测多QTL。目前贝叶斯分析已经成为一个多QTL定位的重要的途径,但它主要缺点是计算时间过长,并缺乏简单有效的显著性检验。通过循环坐标下降的LASSO方法可将全模型的系数同时压缩并使之趋进于零,因此该方法能应用于快速同时估计整个基因组的非零遗传效应位点。在这个研究中,应用基于LASSO的算法去同时定位多QTL。模拟证明LASSO方法比迭代加权最小二乘法具有更高的估计精度和检测效率。     

油松根径和立木材积相关关系的研究

通过对３７０株油松根径（Ｄ０）和立木材积的相关分析，建立了回归方程，并运用加权最小二乘法估计了回归方程的参数，确定了最合理模型，Ｖ＝０．００８０１２５－０．００４２４３２Ｄ０＋０．０００４１３７Ｄ＾２０。     

基于PLS估计的我国商业银行效率影响因素研究

在商业银行效率影响因素研究中引入基于高维投影思想的非参数方法——偏最小二乘方法，并在建模过程中弥补了已有研究未控制时间趋势和宏观经济变量而导致模型不显著和变量符号反常的不足.结果表明：针对本文少样本、自变量存在严重共线性的情况，偏最小二乘法提取的3个成分解释力达到0.984 173，并具有良好的预测性能.财务指标等内生变量对不同产权银行的效率影响是有明显差异的，而产权结构、宏观经济等外生变量的影响是无差异的.