【摘 要】
：
动态时间规整的面板数据聚类能够反映面板数据的动态发展趋势,但缺乏对离群值的识别和处理,导致聚类结果不稳健。针对这一问题提出了稳健动态时间规整的面板数据聚类方法,通过引进稳健统计量获取稳健的时间序列,即运用稳健统计量重新构造均值向量和协方差矩阵计算时间序列,提升时间序列提取的合理性和准确性,消除离群值对动态时间规整结果的影响。通过实证分析,结果表明:相较于动态时间规整方法,运用所提出的方法进行聚类的结果更稳健、更贴合实际。
【基金项目】
：
国家自然科学基金项目(71963008)。
论文部分内容阅读
动态时间规整的面板数据聚类能够反映面板数据的动态发展趋势,但缺乏对离群值的识别和处理,导致聚类结果不稳健。针对这一问题提出了稳健动态时间规整的面板数据聚类方法,通过引进稳健统计量获取稳健的时间序列,即运用稳健统计量重新构造均值向量和协方差矩阵计算时间序列,提升时间序列提取的合理性和准确性,消除离群值对动态时间规整结果的影响。通过实证分析,结果表明:相较于动态时间规整方法,运用所提出的方法进行聚类的结果更稳健、更贴合实际。
其他文献
The high cost and low efficiency of fatigue tests are bottleneck problem for the anti-fatigue design of metallic materials.For this problem,a theoretical fatigu
为解决渣土车车载设备数据含有噪点无法准确判别电子联单的问题,建立一种基于逻辑回归的电子联单判别模型。综合考虑车辆申报状态、停留时长等25项影响因素,建立基于Sigmod函数的逻辑回归模型。采用交叉熵作为模型损失函数,利用梯度下降法对模型系数进行标定,全面提升模型判别准确率。应用深圳市建筑废弃物管理平台历史数据,对基于逻辑回归的电子联单判别模型的准确率进行验证。结果表明:基于逻辑回归模型的电子联单判别策略,采用按工地独立划分分阈时,电子联单准确率达到82.34%,相比传统电子联单判别方案提升29.1%,模型
用于汽车发动机或动力电机的散热风扇广泛采用有刷直流电机。由于其换向器的电流换向过程有电刷电弧,产生干扰信号,存在严重的电磁兼容,使散热风扇成为车内重要的电磁干扰源。根据国家标准GB/T 18655与欧洲标准CISPR 25,汽车零部件的电磁干扰必须受控在规定的限值内。针对一款汽车散热风扇,结合预评估测试,详细分析了其电磁干扰机理,选取合适参数进行了滤波设计,按照GB/T 18655标准测试,结果在主要干扰频点电磁干扰强度降低了35~40 dB/μV,证明了该滤波方案的有效性。所研究的电磁干扰测试分析与优化
为精准高效地识别机场目标遥感图像,提出基于Rsnet框架和Mobilenet迁移网络的方法,在特征不明显或目标特征像素点较低的情况下,提高了Map值。结果表明:在同等条件下,不但能够取得较高的Map值,还能够提高采样率,节约了训练时间。对于实际目标识别具有理论意义和实用价值。
为增强IGBT模块的冷却效果,以某IGBT模块为研究对象,在常规形散热针柱的基础上设计了圆环形散热针柱和螺旋形散热针柱。对3种散热针柱下的IGBT模块结温分别进行理论计算,并利用有限元分析软件STAR-CCM+对3种散热针柱下的IGBT模块进行仿真模拟。对比分析3种模型的温度场、压力场及速度场,结果表明:3种模型的理论计算结果和仿真计算结果之间的误差均小于5%;最优的螺旋形散热针柱下的IGBT模块在针柱高度为11 mm、针柱直径为2.5 mm以及水流流量为12 L/min时,散热能力表现最佳。
The flourishing metal-oxide high-k dielectric materials have been regarded as the vital components of low voltage operated flexible transparent electronic devic
以天然气储气库为研究对象,分析其生产特性及用能特性,构建了以天然气储气库为中心的综合能源系统,建立了天然气储气库综合能源系统容量优化配置模型。以系统规划年成本最低为目标函数,考虑系统建设的初次投资、系统运行、系统维护及系统的碳排放等成本,综合考虑能量供需平衡、设备容量及出力约束等,运用布谷鸟搜索算法进行综合能源系统设备容量参数寻优,得到最优的综合能源系统容量配置方案。最后,以西南地区某天然气地下储气库的能源数据进行仿真验证,保证了该模型的经济性及可行性。
提出改进的YOLO-GT深度学习网络,实现基于嵌入式平台的零售商品数据集RPC的图像目标检测。YOLO-GT网络以YOLOv3-Tiny网络为基础,采用线性扩展优化用于特征提取的卷积层,并将深度学习网络浅层信息与深层信息融合使得网络成为三尺度预测网络,提高网络对小目标商品的识别能力。YOLO-GT采用Mish函数优化了网络激活函数,并重新利用FCM聚类算法生成多个新的先验框。利用RPC零售商品数据
针对某长头重卡以90 km/h的速度在良好路面行驶过程中出现的驾驶室侧围异常振动现象展开研究。在故障分析和道路试验的基础上,基于PolyLSCF参数识别法对驾驶室白车身进行模态测试,建立驾驶室白车身有限元模型。通过试验与分析相结合的方法,分析外界激励对驾驶室振动的影响,掌握长头车驾驶室的振动特性,找到驾驶室异常振动的原因。研究结果表明:该长头重卡驾驶室侧围刚度较弱,局部模态复杂,模态特性与平头车驾驶室有所不同,特定速度下车轮激励的倍频与驾驶室1阶扭转频率相近。针对驾驶室异常振动问题,提出了结构优化方案,并
考虑了在单双边混合试验设计下,对2种治疗的治愈率进行比较所需要的样本量确定。基于比例差,提出了在给定置信水平下置信区间宽度控制在指定范围内的样本量的近似公式,模拟研究了在估计的样本量下,区间估计的经验覆盖概率和经验覆盖宽度,结果表明:基于Wald置信区间、Score置信区间和似然比置信区间的样本量是准确有效的,因而被实际应用。耳科临床数据进一步验证提出的方法有效。