线性模型中参数的平衡LS估计及其性质

基于平衡损失的思想,提出了估计线性模型中的参数的一个新标准,给出了在此标准下模型参数的估计,并分别得到了该估计是无偏估计、有效估计和可容许线性估计的充分必要条件.     

一类线性模型参数的Bayes估计及其优良性

导出了一类线性模型中参数的Bayes线性无偏估计.在均方误差矩阵准则、predictive Pit mancloseness(PRPC)和posterior Pit man closeness(PPC)准则下分别研究了Bayes线性无偏估计相对于广义最小二乘估计的优良性.     

Bayes线性无偏最小方差估计相对于岭估计的优良性

在均方误差矩阵准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于岭估计的优良性,在平衡损失风险函数准则下研究了未知参数的BLUMV估计相对于岭估计的优良性,并导出了在一定条件下BLUMV估计与最小二乘估计趋于一致.     

回归系数的一类线性估计相对于GLS估计的优良性

对线性回归模型中的一类线性估计,在均方误差矩阵准则和PC准则下,研究了它相对于广义最小二乘估计的优良性.当设计阵为非列满秩时,讨论了回归系数的可估函数的优良性.     

矩阵损失下贝叶斯线性无偏估计及其稳健性

证明了,在一般线性模型中,未知参数在二次损失下的贝叶斯线性无偏估计也是矩阵损失下的贝叶斯线性无偏估计.讨论了贝叶斯线性无偏估计关于误差分布的稳健性,给出了未知参数的贝叶斯线性无偏估计是最优估计的充分必要条件.     

广义G-M 模型参数的Bayes线性无偏估计及其优良性

针对广义Gauss-Markov(G-M)模型,采用Bayes估计方法获得参数的Bayes线性无偏估计(BLUE),在均方误差矩阵准则下与广义最小二乘(GLS)估计进行比较,导出了4种相对效率的界,讨论了在PC准则下BLUE相对于GLS估计的优良性.     

线性模型中广义最小二乘估计关于误差分布的稳健性

研究一般线性模型下广义最小二乘估计关于误差分布的稳健性, 给出了误差分布的最大分布类, 使得当误差向量的分布在此范围内变动时, 广义最小二乘估计在广义均方误差准则下为一致最优估计.     

最小二乘估计和最佳线性无偏估计的关系

本文讨论广义线性模型的均值向量的最小二乘估计和最佳线性无偏估计的关系,得到了它们相等的充要条件以及它们的偏差关系和偏差范数估计;并在欧氏范数下,进一步讨论了这种偏差估计。     

半参数回归模型中参数的Bayes估计

导出了半参数回归模型中参数的Bayesian最小风险线性无偏估计(BMRLUE),研究了其在均方误差矩阵(MSEM)准则、PRPC和PPC准则下相对于最小二乘加权估计(LSWE)的优良性.     

奇异线性模型中参数的平衡最优估计及其性质

在Rao应用推广的最小二乘法导出的估计基础上,结合平衡损失的思想,提出了奇异线性模型中参数的一个新的估计方法,并分别讨论了该估计具有无偏性、有效性以及可容许性的充分必要条件。     

线性回归模型参数的BC估计

对线性回归模型的参数给出了一种新的有偏压缩估计,简称ＢＣ估计,并证明了ＢＣ估计的许多优良性质。     

Linear Support Vector Machine Based Inter-harmonic Modeling and Parameter Estimation

There are often many inter-harmonics in power system.The high measurement accuracy of inter-harmonics order,amplitude and initial phase is needed.A new approach is presented for inter-harmonic modeling and parameter estimation based on linear support vector machine (SVM).Firstly,parameter estimation of linear model is realized based on standard linear SVM.Then,inter-harmonic model is transformed to a linear model according to trigonometric functions.The approach obtains order of inter-harmonic model with wi...     

流形学习方法及其在头部姿势估计中的应用

流行学习是一种新的数据降维方法,能揭示数据的内在变化规律,其目标是发现嵌入在高维数据空间中的低维流形结构,并给出一个有效的低维表示。目前流形学习以其出色的数据约简与可视化能力得到了越来越多模式识别与机器学习工作者的重视。本文介绍了一些常用的流形学习算法,分析了这些算法的优缺点,并利用流形学习中的局部线性嵌入(LLE)算法于头部姿势估计,取得了较好的识别效果。     

一种自适应预测栅格编码量化语音编码算法

提出了一种新的基于自适应预测栅格编码量化算法的话音压缩模型．论述了在均方误差意义上最优量化器的设计原理，并在研究栅格编码量化算法的基础上，探讨了模型的编、译码器的工作原理，其中着重研究了扩展的量化器的集合划分和卷积码栅格图的支路标注问题．根据计算机模拟结果，论证了模型的有效性和可行性．     

快速提取正弦信号频率

本文在正弦信号频率估计的线性预测方法基础上,充分利用正弦信号的特殊性信息,给出了一种正弦信号频率估计的快速算法。文中首先利用线性预测参数的对称性将原线性预测方程的阶数降低一半求解,使其计算量减少到原来的八分之一。提取正弦信号的频率,还要求解一高次特征多项式方程,利用其系数的对称性,经过巧妙的根的变换,还可把该高次复根多项式方程的求解转化为次数减半的实根多项式方程的求解。该实根多项式方程的求解可此原复根多项式方程求解的速度提高八倍。文中最后给出计算机模拟结果,并与原线性预测方法和前后向线性预测方法加以此较。     

回归系数的线性估计在平衡损失下的可容许性

针对多元正态线性模型,根据Zellner提出的平衡损失函数,对其进行变形,定义了更一般的平衡损失函数。研究了在该损失下,多元正态线性模型回归系数矩阵的线性估计在一切估计类中的可容许性,并给出了充要条件。该方法同样适用于线性估计类中的可容许性以及其他的可容许性的研究。     

基于分数阶频率域混合相关的线性调频信号检测与参数估计

针对线性调频(LFM)信号分数阶傅里叶变换的特性,提出了一种分数阶频率域相关算法.该算法不仅能够在低信噪比条件下对LFM信号进行检测,还能与时间域相关法混合求解,获得包含时延及多谱勒频移参数的信息,实现精确参数估计.在分数阶频率域相关中,不必进行角度的一维及二维搜索,具有简洁、高效的特点.计算机仿真结果表明,该方法是有效的.     

均衡完全三部图K3（n）的线性3-荫度

考虑均衡完全三部图K3（n）的线性3-荫度.利用路分解的方法给出了K3（n）的线性3-荫度la3（Κ3（n））当n≡1,2,3（mod 4）时的比较紧的上界,利用线性k-荫度的基本理论分别得到了它们的下界,进而得到了特殊情况下均衡完全三部图K3（n）的线性3-荫度的确切值.     

平衡图及优美图的构造

利用平衡图Ｇ及优症状图Ｈ给出了几种构造新的２图－－Ｇ（Ｘ．∪ｉ＝１＾ｎＹｉ与优美图－－ｖＧ∨Ｈ的方法;证实了当ｎ≡（ｍｏｄ４）时,图Ｃｎ∪Ｐｍ及其冠是平衡的;同时还获得了其他一些平衡图与优美图。