导读:本文包含了加权和论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:收敛性,线性,变量,不等式,序列,直方图,余弦。
加权和论文文献综述
于亚文,沈燕,徐静[1]（2019）在《次线性期望下负相关随机变量加权和的强大数定律》一文中研究指出在概率和期望的线性可加性条件下可得到经典概率极限理论。但在金融领域中的风险度量、超套期保值等问题中会出现概率和期望的非线性情形。因此,近年来统计学家致力于研究在次线性期望下的极限定理。在■n~αV(|X|>μb_n)<∞的条件下,得到次线性期望下负相关随机变量加权和的强大数定律。将Li等的定理结论推广到次线性期望空间中。(本文来源于《合肥学院学报(综合版)》期刊2019年05期）
何其慧[2]（2019）在《NSD序列加权和的若干收敛性及其在回归模型中的应用》一文中研究指出利用负超可加相依(NSD)序列的Rosenthal型极大值不等式,得到了NSD序列加权和的完全收敛性和完全矩收敛性,所得结果推广并改进了相关文献中关于负相协(NA)序列及ρ*-混合序列的结果。作为推论,进一步得到了NSD随机变量加权和的强大数律。此外,作为主要结果的应用,还得到了NSD误差下非参数回归模型估计量的强相合性,此结果也改进了相关文献中的结果。(本文来源于《安庆师范大学学报(自然科学版)》期刊2019年04期）
马晓晨,吴群英[3]（2019）在《次线性期望空间下END列加权和的完全收敛性》一文中研究指出研究次线性期望空间下END列加权和的完全收敛性,在随机变量的2+r/α阶上积分存在条件下,将概率空间中END列加权和的完全收敛性推广到了次线性期望空间.(本文来源于《应用数学》期刊2019年03期）
陈冲,初建宇[4]（2019）在《加权和法偏好结构的村镇综合灾害风险排序》一文中研究指出从村镇综合灾害危险性、暴露性、脆弱性以及防灾减灾能力四准则出发,构建村镇综合灾害风险评价指标体系。采用基于多目标规划法的向量夹角余弦来计算指标权重,再结合加权和法的偏好结构对各村镇的综合灾害风险进行排序。以迁安市19个村镇为例,计算综合灾害风险排序,验证了综合灾害风险评价指标体系模型对村镇防灾减灾工作的适用性。(本文来源于《华北理工大学学报(自然科学版)》期刊2019年02期）
周慧,马慧,张继红[5]（2019）在《END相依序列加权和的强收敛性》一文中研究指出研究了END相依随机变量序列加权和的强收敛性,推广了关于独立随机变量情形时的相应结果.(本文来源于《甘肃高师学报》期刊2019年02期）
程贝贝[6]（2019）在《加权和与结构相似度的影像融合算法研究》一文中研究指出20世纪60年代,对地观测进入人们的视野,打开了遥感研究的大门。随着技术的不断进步,多时相、多分辨率的影像不断涌现,单一传感器产生的影像越来越无法满足日益增长的广泛需求,因此,不同传感器影像的融合方法就应运而生。对不同传感器影像进行融合,结合不同类型影像的优点可有效提高单一影像使用率,挖掘更多有用信息,实现原始影像间的信息互补。融合后的影像更利于后续的遥感影像信息提取、地物识别等研究工作的展开。本文针对高分二号高分辨率多光谱影像和全色影像的融合算法进行探索研究。选择一副地物单一的高分影像作为融合测试影像,测试融合效果;最后将融合方法推广到地物类型丰富或不同地物的高分影像中。融合过程分为两部分:首先对待处理多光谱与全色影像使用直方图均衡化及递归滤波方法进行影像初次融合。然后利用多尺度几何变换结合结构相似度调整权重策略完成加权融合,得到最终结果。为评价本文方法,将本文方法与常用融合方法结果做定量化对比。最后,探讨该方法对不同类型遥感影像的适用性。本文研究包括以下内容:(1)分析了目前遥感影像融合中存在的问题,并对遥感影像融合的叁个层次进行研究,根据融合过程对比并分析了不同融合层次的优缺点,着重分析了几种常用的像素级融合方法理论基础。(2)影像初次融合。对待融合影像进行适当的预处理,获得相同尺度大小的、不同传感器类型的多光谱与全色波段影像。在初次融合过程中,相较于直接对影像进行加权平均,人为选取阈值的方法,本文首先对原始影像直方图均衡化后做中值滤波。然后均衡化影像和中值滤波影像进行对比,得到局部颜色差异,把颜色差异与亮度相结合进行归一化并标记。将标记影像和局部对比相乘进行权重估计,递归滤波对权重估计进行细化,自适应的判断每个像素点权值,最后逆变换得到初次融合影像。(3)影像二次融合。在初次融合结果中,其分辨率没有充分体现原始全色影像的优势,针对该不足,首先将初次融合影像和两幅预处理后的影像进行非下采样轮廓波变换(Non-subsample Contourlet Transform,NSCT),将原始影像分解为高频信息和低频信息,对低频信息采用计算局部亮度、局部对比度及局部结构对比参数,根据这叁个参数计算结构相似度。然后分类得到相似区域分类标识图从而计算权重,通过权重融合低频信息,根据相关强度融合高频影像。最后通过NSCT逆变换得到最终融合影像。(4)质量评价。将本文融合结果与Brovey方法、主成分变换方法以及小波变换方法的融合结果进行对比,获得主观上的视觉评价;通过计算六种评价指标对其进行定量化评价。(5)探讨本文所提出的方法,对高分影像不同地物类型是否具有广泛适用性。并推广到可见光与红外影像作为待融合影像,测试其融合效果,并从主观和客观两方面进行评价。(本文来源于《长安大学》期刊2019-04-08）
王文娟,吴群英[7]（2019）在《次线性期望空间下广义ND序列的加权和的几乎处处收敛（英文）》一文中研究指出本文研究了条件为C_V(|X|~p)<∞, even ê(|X|p)≤C_V(|X|p), 0 <p≤2的次线性期望空间下广义ND序列的加权和的几乎处处收敛.作为应用,我们的结果扩展了SILVA(2015)在概率空间下的相应结果.此外,本文的结果扩展了次线性期望空间下加权和的几乎处处收敛.(本文来源于《应用数学》期刊2019年02期）
郭明乐,刘锦然[8]（2019）在《行为负相协随机变量阵列加权和的矩完全收敛性》一文中研究指出矩完全收敛性是极限理论随机变量所需研究的重要性质之一。本文研究了行为负相协(NA)随机变量阵列加权和的矩完全收敛性,在已有结论的基础上获得了一些新的结论,完善了Sung的结果。本文所采用的证明方法完全不同于Sung的方法,运用截尾的思想简化了证明过程,有一定的创新。(本文来源于《安庆师范大学学报(自然科学版)》期刊2019年01期）
张玉[9]（2019）在《END随机变量阵列加权和完全收敛性》一文中研究指出随机变量加权在实际应用中十分广泛,研究随机变量加权和的收敛性也有着实际的意义。完全收敛性在收敛性质中属于较强的收敛性质,比a.s收敛的收敛性还要强,所以研究加权和的完全收敛性在概率论极限理论中也有一定意义。本文采取对END随机变量进行截尾,利用Rosenthal型最大值不等式得出END随机变量阵列在较弱条件下的完全收敛性。(本文来源于《阜阳师范学院学报(自然科学版)》期刊2019年01期）
宁明明[10]（2019）在《WNOD变量加权和的完全收敛性及其在非参数回归模型中的应用》一文中研究指出概率极限主要是研究各类变量的收敛性,收敛速度及其在实际中的应用.虽然概率极限理论体系已经相对比较成熟,但是在实际生活中可被运用的结论还是很少.在金融保险,物流,医学等行业中,取得的样本数据并不刚好是独立的,故在独立变量下成立的结果已经不能满足现实的需要,因此之后专家和学者们把更多的精力投入到对相依变量的性质研究中.本文主要讨论的是宽负象限相依(WNOD)变量,它包含一些相依变量和独立变量,是十分宽泛的一类变量.第一,二章是本文的准备工作.首先介绍了概率极限研究的背景以及一些相关的定义,其次为了证明的需要给出了一些不等式和引理,基于在概率极限中最重要的两类矩不等式Marcinkiewicz-Zygmund型和Rosenthal型,获得了WNOD变量的加权和的最大值矩不等式.文中还有部分引理是作者自己提出的,也给出了相应的证明过程.第叁章首先推广了Shen A.T.[1]的定理,建立了在WNOD变量下加权和的完全收敛性.其次,推广并改进了Wang X.J.等[2],Shen A.T.[3],Chen P.Y.[4]提出的定理,将同分布的NA,END变量推广到了WNOD变量中,权系数{ani,1≤i≤n,n≥1}的约束进行了减弱,结果进行了加强,利用随机变量截尾技术建立了WNOD变量的加权和的最大值序列的完全收敛性.第四章主要讨论WNOD随机变量在非参数回归模型中的应用,考虑非参数回归模型中估计量在WNOD变量误差下的完全相合性,获得了最近相邻估计的完全相合性.基于第叁章中得到的定理及其推论做了数值模拟,模拟的结果也论证了我们的结论.第五章是文章结束语,总结了文章的创新点和不足点.(本文来源于《安徽大学》期刊2019-03-01）
加权和论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
利用负超可加相依(NSD)序列的Rosenthal型极大值不等式,得到了NSD序列加权和的完全收敛性和完全矩收敛性,所得结果推广并改进了相关文献中关于负相协(NA)序列及ρ*-混合序列的结果。作为推论,进一步得到了NSD随机变量加权和的强大数律。此外,作为主要结果的应用,还得到了NSD误差下非参数回归模型估计量的强相合性,此结果也改进了相关文献中的结果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
加权和论文参考文献
[1].于亚文,沈燕,徐静.次线性期望下负相关随机变量加权和的强大数定律[J].合肥学院学报(综合版).2019
[2].何其慧.NSD序列加权和的若干收敛性及其在回归模型中的应用[J].安庆师范大学学报(自然科学版).2019
[3].马晓晨,吴群英.次线性期望空间下END列加权和的完全收敛性[J].应用数学.2019
[4].陈冲,初建宇.加权和法偏好结构的村镇综合灾害风险排序[J].华北理工大学学报(自然科学版).2019
[5].周慧,马慧,张继红.END相依序列加权和的强收敛性[J].甘肃高师学报.2019
[6].程贝贝.加权和与结构相似度的影像融合算法研究[D].长安大学.2019
[7].王文娟,吴群英.次线性期望空间下广义ND序列的加权和的几乎处处收敛（英文）[J].应用数学.2019
[8].郭明乐,刘锦然.行为负相协随机变量阵列加权和的矩完全收敛性[J].安庆师范大学学报(自然科学版).2019
[9].张玉.END随机变量阵列加权和完全收敛性[J].阜阳师范学院学报(自然科学版).2019
[10].宁明明.WNOD变量加权和的完全收敛性及其在非参数回归模型中的应用[D].安徽大学.2019
论文知识图
