Cρ 准则下选择最优子集的并行算法

C_p准则是目前颇受重视的一种变量选择准则。本文针对大型线性回归模型,推导了从所有可能子集中用C_p准则选择最优子集的(乘除法) 运算次数,提出了C_p准则下变量选择的并行算法。给出了在YH-1和YH-2向量巨型计算机上运行该算法的模拟结果且获得了15倍左右的向量加速比s/v,体现了该算法的优越性。     

主方差分析方法

该文提出一种对高维随机向量 X=( x1 ,x2 ,… ,xp)′p× 1 进行降维处理的实用方法 ,其基本思想是利用矩阵的扫描运算 ,构造 X的很少几个综合指标 (称为主方差变量 )以反映 X的统计特性。给出了该方法的理论依据和直观解释以及算法。特别指出 ,当变量 X多重相关性突出时 ,该文方法显著地优于主成分分析方法。     

判断实对称矩阵为正定、半正定、负定、半负定或不定的一个算法

给出判别实对称矩阵为正定、半正定、负定、半负定或不定的一个算法;采用选最大对角元的方法,可使数值计算稳定性好。讨论了该算法的运算量,得到乘除法和加减法总次数分别至多为ｎ（ｎ－１）（ｎ＋４）／６和ｎ（ｎ－１）（ｎ＋１）／６的结论。最后给出运行该算法的数值例子。     

先验信息下的改进主成分估计

对于线性模型Ｙ＝ＸＣ＋ε,Ｅ（ε）＝０,Ｃｏｖ（ε,ε）＝σ２Ｉ,在先验信息（Ｅ（Ｃ）＝０,Ｃｏｖ（Ｃ,Ｃ）＝σ２０Ｉ）下,本文给出主成分个数的一种更合理取法,并提出了一种改进的主成分估计。文中证明了该估计是可容许估计,且在“平均”均方误差意义下,优于最小二乘估计,亦优于主成分估计