Shrinkage Estimation Strategies in Generalised Ridge Regression Models: Low/High-Dimension Regime

In this study, we suggest pretest and shrinkage methods based on the generalised ridge regression estimation that is suitable for both multicollinear and high-dimensional problems. We review and develop theoretical results for some of the shrinkage estimators. The relative performance of the shrinkage estimators to some penalty methods is compared and assessed by both simulation and real-data analysis. We show that the suggested methods can be accounted as good competitors to regularisation techniques, by means of a mean squared error of estimation and prediction error. A thorough comparison of pretest and shrinkage estimators based on the maximum likelihood method to the penalty methods. In this paper, we extend the comparison outlined in his work using the least squares method for the generalised ridge regression.     

Tests of Normality of Functional Data

The paper is concerned with testing normality in samples of curves and error curves estimated from functional regression models. We propose a general paradigm based on the application of multivariate normality tests to vectors of functional principal components scores. We examine finite sample performance of a number of such tests and select the best performing tests. We apply them to several extensively used functional data sets and determine which can be treated as normal, possibly after a suitable transformation. We also offer practical guidance on software implementations of all tests we study and develop large sample justification for tests based on sample skewness and kurtosis of functional principal component scores.     

Corporates' strategic responses to economic policy uncertainty in China

Using a novel news‐based index of economic policy uncertainty, this paper studies the impact of economic policy uncertainty on corporate strategic positioning and corporate risk in China from 2009 to 2015. The study also investigates the impact of corporate strategic positioning on corporate risk. The results show that corporate strategic positioning and economic policy uncertainty have a significant positive impact on corporate risk. The results also explain that economic policy uncertainty increases the market risk of the firms irrespective of their corporate strategy. However, it increases the business risk of prospector firms and decreases the business risk of defensive firms. The study may help the firms to formulate and improve their strategic positioning while considering economic policy uncertainty. Our results are robust to alternate proxies of economic policy uncertainty and corporate risk.     

大数据下“互联网+冰雪旅游”产业融合发展对策

十九大报告指出:"要推动互联网、大数据、人工智能和实体经济深度融合"。首先,分析大数据对冰雪旅游产业发展的作用;调查"互联网+冰雪旅游"产业融合现状,分析出现的问题;提出大数据背景下"互联网+冰雪旅游"产业融合发展对策是构建冰雪旅游大数据分析中心,实现精准营销;强化政府主导和支持力度,均衡市场发展;培养复合型旅游专业人才,提升创新能力;创新市场运营模式,增强融合动力。     

云计算中的轻量级查询结果验证机制

存储在云计算服务器上的数据可能被篡改或删除，查询完整性验证的作用是确保查询用户能够验证查询结果中的数据是真实的，且包含所有满足条件的数据。提出了一种基于签名链结构的查询完整性验证机制。方案使用代数签名机制替代数字签名实现校验值的计算，从而有效降低计算和查询验证开销。此外，通过维护一种新的、简单的索引结构实现了仅需下载少量数据即可实现校验值的更新。实验结果表明，所提方案比基于数字签名的签名链方案具有更小的更新开销和更高的验证效率。     

结合新型模糊支持向量机和证据理论的多传感器水质数据融合

在多传感器水质数据融合领域，证据理论是有效的数据融合方法之一，但基本概率分配一般不易确定，从而使数据融合能力难以有效发挥。支持向量机是统计学习理论之上的高级分类算法，具有普适性和全局优化等特点，但输出的基本概率分配有待进一步提高。提出了一种基于证据理论和新型模糊支持向量机相结合的数据融合方法，通过建立基于分类超平面距离的模糊隶属度，训练模糊支持向量机提高传统支持向量机的基本概率分配，并结合证据理论进行海河水质数据融合。通过证据理论分别结合支持向量机和模糊综合评价法与上述方法进行对比实验，经精度、平均绝对百分误差、均方根误差等指标验证，精度提高10.5%，表明所提方法是一种可靠的多传感器的水质融合方法，较其他方法具有更高的融合精度。     

基于车辆数据的k近邻联合概率数据关联算法

在交通场景中采用一些预警措施能够有效地减少交通事故发生。例如，对车辆轨迹进行跟踪并预测车辆的驾驶行为，就是一个常用的预警方法。在对车辆进行跟踪的过程中，数据关联是很重要的部分，它可以对车辆的观测点和轨迹进行关联，从而更新车辆的轨迹，完成跟踪过程。在此背景下，提出了一种新的数据关联算法，即k近邻联合概率数据关联算法(k Nearest Neighbor-Joint Probability Data Association,kNN-JPDA)。实验结果表明，该算法能够较好地解决在交通场景下车辆数据的数据关联问题，在精度以及运行效率方面都有所提高。     

大跨度天基数据链的TDD时隙调度分析与优化

针对天基数据链系统卫星间的传播时延较大且节点间距离变化较大等特点，提出了一种提高时频资源利用率、提升系统容量、减小时延的方法。在时分多址与空分多址相结合的接入方式下，进行了时隙调度的分析与优化，利用卫星星座的空间复用与大跨度传播时延特性，采用时隙编排、收发状态调整、帧格式优化等手段，将信道利用率和系统容量提升了1倍，将卫星节点在某一方向获得服务的平均等待时间缩短为原来的1/4，提高了天基数据链系统的服务质量。     

大数据视域下的企业孵化生态建设

论文以生态系统理论讨论分析企业孵化生态,有助于解决当前可持续创业中的问题。目前企业孵化生态建设主要有科技研究、市场开发和商业应用三大部分。这些企业孵化生态组成部分不仅使企业孵化的功能逐渐完善,在网络平台上也已具备了基本的信息技术服务。市场开发和商业应用已经汇聚了人财物的产供销价值链,逐渐向多元化、多模式、多机制的发展方向过度,为打造出全过程、多层次、立体化的企业孵化生态系统提供建设性方案。     

基于大数据时代下企业推进财务信息化的研究

目前,计算机技术及信息统计技术已经得到了广泛的应用,并且大数据统计分析技术逐渐完善,也广泛应用在各行各业当中。对于财务管理工作来说,信息化技术以及大数据技术的应用,为预算编制、成本控制提供了十分丰富的数据资源,也有效减少了信息统计分析的工作量,数据分析的准确性也得到了有效的提升。大数据技术的应用,进一步推进了财务精细化管理的应用与发展。