文章介绍了线性模型中对于回归变点检测的已有方法,包括在正态分布的假设下采用一个经验似然型的Wald统计量和基于经验似然比检验统计量检测方法。还利用对经验似然法的改进给出了一个新的变点检测方法,其中包含了两个不同检验统计量,并给出了具体算法步骤,最后通过模拟比较这几种方法的检验效果,结果显示:新的变点检测方法在很大程度上提高了变点检测问题的功效和命中率。

文章设计了六个备选投资者情绪代理指标,通过主成分分析方法构造出综合投资者情绪指标,利用格兰杰因果检验作为传染路径方法,运用非参数方法选择出最合适的Copula函数模型,检测模型中的变点,最后将变点前后数据的尾部相关系数变化量大小作为情绪是否发生传染的判断标准。实证结果表明:只存在美国对中国的传染,发生三次传染并呈现阶段性特征,并且传染会随着被传染国市场发展而减弱。

近期对金融危机传染的分析是国际金融研究中的重要问题。大多数传染效应存在性的检验采用相关性方法,这些方法只能指出传染的存在,不能给出传染的程度大小。本文应用分位点回归模型的变点检测,检验了传染效应的存在性,并给出了传染程度大小的一种度量方法。最后本文对亚洲几个国家的指数数据进行了金融危机传染的实证分析。

本文在分位点回归的基础上采用ALS方法,建立了线性Expectile模型,并以此计算美国金融危机期间有关经济体的Expectile-based VaR(EVaR),对EVaR进行变点检测。根据变点的位置来估计危机发生的时间,并通过比较模型的系数在危机前后的变化情况,分析了美国金融危机对中国、香港、英国、德国和日本造成的传染情况。同时结合实际情况分析线性Expectile模型所确定的危机发生时间和系数变化所反映的危机传染性强弱程度,并与斜率模型得到的结论进行比较,体现了线性Expectile模型的准确性。

文章基于贝叶斯后验推理及遗传算法研究了线性回归模型多结构变点的变点检测方法，其中变点的数量和位置均未知。首先引入参数的无信息先验并基于后验分布得到变点信息的贝叶斯后验概率；然后基于后验概率定义一个施瓦兹-贝叶斯信息准则并应用遗传算法快速得到变点的个数及其位置，通过数值模拟验证了新方法的有效性和计算的快速性；最后，将所提方法应用于气象时序数据和股票交易价格两个实际数据的多变点检测问题，得到了有意义的结果。

针对现有恶意节点检测方法对无线Mesh网络恶意节点检测效率低的问题,该文提出一种基于移动Ad-hoc网络更优方案(better approach to mobile Ad-hoc networking,BATMAN)路由协议的恶意节点检测模型(malicious node detection model based on BATMAN,MNDMB)。在无线Mesh网络中使用BATMAN路由协议,在网络节点上安装源节点消息解析模块,根据解析模块生成的参数和相应阈值的比较判断出可疑节点,通过一致性投票机制计算

本文研究分位数回归的组变量选择问题。基于分位数回归和贝叶斯统计推断方法,通过引入系数的组“spike and slab”先验分布,提出了分位数回归的贝叶斯组变量选择方法,并给出易于实施的Gibbs后验抽样算法。进一步,本文还将所建立的贝叶斯组变量选择方法应用到变点检测中,变点的数量和位置的探测准确率较高。数值模拟和两个实例分析验证了所提方法的有效性。

针对区间值时间序列的异常点检测问题，从区间数据的区间中心和区间半径出发，基于ARIMA的点值时间序列IO型异常点检测原理，构造一类区间值时间序列IO型异常区间的检测方法。其中，对区间值时间序列IO型异常区间的概念和类型进行了具体的界定，给出了区间值时间序列IO型异常区间的检测步骤。最后，针对上证指数2016年1月4日到2018年12月28日每日最高价和最低价构成区间值时间序列且其每日收盘价构成点值时间序列，用所提方法进行IO型异常区间的检测，通过和传统点值异常检测结果的对比分析表明，所提方法能够更有效地识别出金融时间序列中存在的异常状况。

Page Rank算法是应用最广泛的静态网络节点中心性排名算法,拓展Page Rank算法,使其能够用于计算动态网络的节点中心性是非常有意义的研究问题。本文首先基于网络重构和随机游走策略重构,定义了两种动态网络Page Rank中心性;继而给出利用分段线性拟合刻画节点中心性演化过程、预测节点中心性变化趋势的算法;最后构造图书情报领域的动态科学家合作网络,利用本文定义的中心性得到作者影响力的变化趋势,通过与真实变化趋势相比较,验证所提中心性定义的有效性。实验结果表明,本文提出的动态网络中心性能够更加准确的刻画节点中心性的演化过程、预测节点中心性的变化趋势。

随着对无线传感器网络的广泛研究与应用,用户对传感器节点的安全性要求日益提高。由于传统基于密码学的信息安全技术并不能够完美地解决传感器节点面临的复杂安全威胁,信誉系统已经被引入到无线传感器网络中,对节点安全情况进行周期性评估,并分配相应的信誉值。由于信誉系统很难分辨一些节点的某些行为是否处于正常区间如监测数据是否准确,进而导致某些传感器节点能够躲避信誉系统的监测,对用户决策产生不良影响。本文提出了一种结合信誉系统和噪声点检测技术的无线传感器网络节点安全模型。一方面,网络中的信誉系统模块为噪声点检测模块提供数

[目的/意义]话题检测和演化分析是网络舆情监控中的热点问题,对热点话题的检测和演化分析有助于挖掘热点话题和深入理解话题的演化趋势,并给以舆情监控者提供完整的话题演化路径和更为合理的决策意见。[方法/过程]OLDA(Online Latent Dirichlet Allocation)模型是用于挖掘热点话题和分析话题演化的工具,由于其存在新旧主题混合、冗余词较多的缺点,采用双通道模式对主题、词分布的遗传度进行改进,并给出了新的词分布计算方法。[结果/结论]提出的改进OLDA模型解决了新旧主题混合问题,降低冗

【目的】通过在海南省乐东县、河南省洛阳市、吉林省吉林市和公主岭市4个不同地理环境调查谷子10个主要性状,进行SSR标记与性状的关联分析,获得单一环境特异表达位点及多个环境共同表达位点,发掘优异等位变异,探究谷子可能的生态适应性形成机制,为开展谷子分子辅助选择育种奠定基础。【方法】连续2年在吉林省吉林市和公主岭市、河南省洛阳市、海南省乐东县调查102份谷子资源株高、穗长、叶片数、穗粗、抽穗期、穗码数、码粒数、穗重、穗粒重、千粒重10个主要农艺性状的基础上,首先利用SPSS19.0软件对每个地理环境进行性状间相关性分析,再用70个多态性SSR标记对谷子资源进行基因型鉴定,分析102份谷子资源的遗传多样性和群体遗传结构,最后用TASSEL5.0软件进行标记间的连锁不平衡分析,并用GLM和MLM 2种模型开展分子标记与表型性状的关联分析。【结果】除了千粒重,其余9个性状间在4个地理环境普遍存在显著或极显著正相关,千粒重只在在吉林市、公主岭市、洛阳市3个环境与穗粒重、株高、穗长、穗重呈显著或极显著正相关,在海南乐东县与其他9个性状没有显著相关性;70对SSR引物共检测到397个等位基因,平均每个标记的观测等位基因数、有效等位基因数、期望杂合度、Shannon指数分别为6、2.24、0.4637、0.7738;遗传多样性和群体结构分析均将102份谷子材料分为4个群,来自河南的谷子材料散布在4个群中,表现较丰富的遗传多样性;70对SSR标记间连锁不平衡分析未发现明显的连锁不平衡结构;GLM、MLM 2种模型共检测到10个关联标记,结合等位效应分析确定b115、MPGC13、b227、b194、p56在吉林市、公主岭市2个环境与穗重、穗长、叶片数、抽穗期4个性状关联,sigms9034、b125在洛阳市与穗长、穗码数关联,P18和p59在乐东县与穗重关联,p6在吉林市、公主岭市和洛阳市分别与叶片数和穗码数关联,单个标记对表型变异的平均贡献率在7.76%—34.05%;3个标记等位基因sigms9034-168、P18-166、p56-244分别能够显著增加穗长、穗重,缩短抽穗期。【结论】连续2年获得了5个在吉林市、公主岭市稳定表达的标记位点b115、MPGC13、b227、b194和p56,2个在洛阳市稳定表达的标记位点sigms9034、b125,2个在乐东县稳定表达的位点P18和p59,1个在洛阳市和吉林市、公主岭市同时稳定表达的标记位点p6;获得了3个可用于穗部性状、生育期标记辅助选择的优异等位基因sigms9034(168 bp)、P18(166bp)、p56(244 bp)。

文章结合经验似然统计推断技术,对带有均值漂移的高维线性模型,给出了一个基于经验似然的模型异常值检测方法,该方法允许模型参数的维数随样本量的增加而趋于无穷,数据模拟表明所提出的异常值检测方法是行之有效的。

分析对本体模型进行错误诊断的必要性,归纳总结本体模型的常见错误,如描述类错误、分类错误、冗余错误、循环错误、设计异常等,探讨其修正方法,以便为本体评价及构建优质本体评价工具提供参考。

变点检测问题是近年来数理统计研究领域的一个研究热点。文章基于R软件Changepoint程序包,借助模拟研究并应用三种常见的变点检测方法,分别对泊松和指数序列的均值方差变点进行检测。从不同的样本量、分布参数变化、变点个数、优化函数中使用不同惩罚项的角度,综合考察比较了三种方法对两类分布序列变点检测的效果。并针对英国矿难发生次数的经典实际数据实证,揭示了三种方法对该数据的变点检测效果,也验证了模拟结果的可靠性。