本项研究涉及随机加权(RW)、Bootstrap、投映寻踪(PP)、经验过程、聚类分析、非参数估计等方面内容。主要成果为:1、提出多元RW方法和PPRW方法,建立了函数指标集上RW经验过程的强、弱极限定理及其大偏差尾部条件概率不等式;2、给出函数指标集上多元Dirich-let过程的中心极限定理及其最大偏差尾部概率的指数上界、证明了它与一般经验过程和RW经验过程具有相同的渐近分布(α、S);3、给出广义U过程和广义V过程的Bootstrap逼近及其在PP方面的应用;4、提出最近邻密度估计在任意有界集上强一致收敛速度的概念,给出了它们的最佳收敛速度;5、提出PPk-mean聚类方法,给出了聚类中心的估计,证明了该估计几乎处处收敛(α、S)到它们的理论值。
{{i.achievement_title}}
数据更新时间:2023-05-31
Ordinal space projection learning via neighbor classes representation
基于纳米铝颗粒改性合成稳定的JP-10基纳米流体燃料
Image super-resolution based on sparse coding with multi-class dictionaries
Phosphorus-Induced Lipid Class Alteration Revealed by Lipidomic and Transcriptomic Profiling in Oleaginous Microalga Nannochloropsis sp. PJ12
Numerical investigation on aerodynamic performance of a bionics flapping wing
加权生物神经网络中随机共振的研究
再抽样和投映寻踪方法与非独立样本数据处理
加权残数法的理论基础与工程应用的研究
紧支函数加权残量法的研究及其应用