本项研究主要是针对现代数据收集和处理规模日益扩大而越来越普遍涉及的大型线性统计系统的估计与诊断问题,内容包括有偏估计、估计误差与摄动理论及数据诊断等主要方面,它们均是近三十年才得到迅速发展的统计新分支。主要研究了如下内容:1、提出了泛岭估计,它是常见有偏估计的统一,它不仅适合线性情形,而且在非线性情形也获得成功,受到国内外关注。2、继续研究估计的效率,精度及摄动问题,现有方法得到进一步完善。3、在数据诊断方面研究解决了三个问题:a、系统研究了追加数据的影响;b、研究了局部影响度量,c、定义了多元线性模型的影响函数。4、为跟踪国际本学科热点问题,在国内较早开始fitman准则方面的研究且取得进展。
{{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
多变点回归模型的两步估计与统计诊断
大样本统计与线性模型的参数估计理论
非线性纵向数据分析及其统计诊断
分布式非线性网络化系统的状态估计与故障诊断及其应用