共查询到20条相似文献,搜索用时 406 毫秒
1.
2.
为了解决多项式曲面拟合方法在进行全球导航卫星系统(GNSS)高程拟合时,控制点的坐标数据与高程异常均存在测量误差的问题,从总体最小二乘法的角度,在系数矩阵存在误差的情况下,来优化GNSS高程拟合模型,提高拟合精度.实验结果表明:采用总体最小二乘法进行曲面拟合GNSS高程异常,较传统最小二乘法精度会有一定提高. 相似文献
3.
4.
平面阵列下的二维角度和频率联合估计 总被引:3,自引:0,他引:3
在均匀面阵列结构基础上提出一种二维角度和频率联合估计新方法. 对阵列天线输出的信号进行建模分析,表明阵列接收信号具有平行因子四线性模型特征. 利用该模型低秩分解的唯一性条件,从分解得到的矩阵中联合估计出信源的参数. 该算法首先利用四线性交替最小二乘算法估计出方向矩阵和频率矩阵,然后利用频率矩阵的Vandermonde特征和方向矩阵的结构特点及最小二乘法计算频率和二维角度. 该方法无需谱峰搜索即可实现参数同时估计与配对,与现有的基于三线性分解的算法和ESPRIT算法相比具有更高的估计精度,而且在小样本数情况下也能较好地工作. 仿真结果验证了该方法的有效性. 相似文献
5.
6.
7.
提出了多变量滑动平均(MA)模型参数估计的两段最小二乘法。第一段将多变量MA模型用高阶多变量自回归(AR)模型近似代替,用多变量递推最小二乘法(MRLS)估计高阶AR模型参数。第二段用最小二乘法解不相容矩阵代数方程组得MA参数估值。同多变量递推增广最小二乘法相比,可提高精度,仿真例子说明了其有效性。 相似文献
8.
应用GM(1,1)模型对1995~2017年黑龙江省粮食产量进行趋势的分析,并且按照发展趋势进行为期三年的预测.所应用到的GM(1,1)模型是按照参数的双向差分进行最小二乘估计,并且在初始值也进行两方面的变动,应用模型初始值加权评均法、模型初始值加权误差平方法.这样可以适当的提高模型的预测精度. 相似文献
9.
基于设计矩阵是奇异矩阵的线性模型,讨论了线性模型系数参数广义岭估计的优良性.对于可估函数在均方误差意义下,得到了广义岭估计优于最小二乘估计的性质.而且在二次损失函数下广义岭估计具有可容许性. 相似文献
10.
11.
12.
基于设计矩阵是奇异矩阵的线性模型,讨论线性模型系数参数岭估计的优良性。对于可估函数在均方误差意义下,得到岭估计优于最小二乘估计的性质。而且在二次损失函数下岭估计具有可容许性。 相似文献
13.
《哈尔滨师范大学自然科学学报》2015,(5)
介绍了Richards增长曲线方程,而后对Richards增长曲线方程的参数进行研究.运用线性最小二乘法、双向差分误差平方和最小估计法和双向差分加权最小二乘估计法对其参数进行估计,从定量的角度研究了Richards增长曲线方程,为进一步的研究奠定了基础,最后将模型应用到传染病疫情实例中. 相似文献
14.
讨论了非线性模型Y=ax^b的对数线性化回归方程参数的普通最小二乘估计.指出估计无效的原因是对数线性模型的随机误差具有异方差性质.运用二步加权最小二乘法改进了参数的估计.并在模拟试验中证明了其优越性. 相似文献
15.
《黑龙江大学自然科学学报》2016,(4)
将最小二乘支持向量机方法,应用于一维对流扩散方程逆过程研究。相对于其它已有的方法,该方法具有简便实用、稳定性好等优点。使用高斯核函数对方程的解进行整体逼近,利用样本点得到回归参数的值。数值结果表明,该方法具有较高的精度和稳定性,可以有效地求解其它反问题。 相似文献
16.
17.
《黑龙江大学自然科学学报》2018,(6)
研究了带未知丢失观测率和传感器偏差的多传感器(Autoregressive,AR)模型融合辨识问题。采用一组伯努利随机变量描述观测丢失现象。选取递推增广最小二乘(Recursive extend least squares,RELS)算法,对未知的AR模型参数和未知的传感器偏差进行在线辨识。应用矩阵加权线性无偏最小方差最优融合估计准则得到AR模型参数的融合估计。通过AR模型与状态空间模型之间的转换和相关函数获得各传感器观测收到率和观测噪声方差估计值。仿真例子验证了此算法的有效性。 相似文献
18.
19.
20.
《高师理科学刊》2015,(10)
改进移动最小二乘近似(IMLS)采用带权正交多项式基函数,避免了对力矩矩阵的求逆过程,从而比移动最小二乘近似(MLS)节省了计算时间.但是由于其只要求近似函数在各节点处误差的平方和最小,对近似函数导数没有任何限制,使得在处理要求导数连续等问题时产生较大误差.而考虑导数近似的广义移动最小二乘近似(GMLS),虽然提高了近似函数的精度,但由于增加了节点自由度,显著增加了计算时间.结合IMLS和GMLS各自的优点,给出了改进的广义移动最小二乘近似(IGMLS).该近似在构造函数时要求近似函数在所有节点处误差的平方和与近似函数导数仅在导数边界附近各节点处误差的平方和之和最小.同时,为了节省计算时间,基函数采用加权正交多项式.将IGMLS与无单元Galerkin法(EFG)相结合,给出了基于IGMLS的EFG法.通过对薄板离散建立了相应的薄板自由振动代数方程.通过数值算例证实了IGMLS比IMLS具有更高的精度,所需的运算时间要小于GMLS. 相似文献