设计阵列亏秩时几种估计性能的比较

在给定的线性模型下，讨论了在设计阵列亏秩时，最小二乘估计、最优加权最小二乘估计和线性无偏最小方差估计的性能比较。得出了在一定条件下，最优加权最小二乘估计等价于线性无偏最小方差估计。在噪声方差矩阵可逆、未知参数方差矩阵可逆条件下，可算出最优加权最小二乘估计与线性无偏最小方差估计方差的差表达式，并在一定条件下，两者趋于一致。     

线性回归模型中的加权最小二乘估计

给出了线性回归模型中的加权最小二乘估计以及最优权数的选择.     

线性模型下输入矩阵的最优设计

线性无偏最小方差估计与最优加权最小二乘估计是线性模型下两种最常用的估计方法。前者估计性能优于后者，但需要被估计量的一、二阶矩信息。作者深入讨论了这两种估计的关系，得到了二者在均方误差意义下等阶的充要条件，进而找到一种设计输入矩阵的方法，使得在先验信息缺乏的条件下，仍可利用最优加权最小二乘估计达到与线性无偏最小方差估计一样优越的估计性能，避免了获取先验信息的困难，同时保持了估计的最优性。     

严格的最小二乘递推算法

当缺乏待估计量的初始统计知识时,最小二乘递推（ＲＬＳ）算法不能给出严格意义下的最小二乘估计．本文继文献［１］之后,应用广义逆的理论,分别就一般加权情形、最优加权情形和指数加权情形给出了严格的最小二乘速推算法（简称Ｒ２ＬＳ算法）．该算法无需事先提供待估计量的任何统计知识而能获得严格意义下的最小二乘估计,且证明了该算法分别为时变与定常系统提供了最短时间无偏状态估计算法与无差状态观测器．     

完全样本下威布尔分布参数的加权最小二乘估计

借助图法估计的思想和次序统计量的性质,给出了完全样本下威布尔分布参数的改进最小二乘估计与加权最小二乘估计.     

正态分布下无失效数据的可靠度分析

针对正态分布场合下无失效数据的情形,利用最小二乘估计,加权最小二乘估计和模糊加权最小二乘估计三种方法,给出正态分布参数和可靠度的计算方法.     

一种改进的滤波器噪声模型的自适应估计法

提出了一种改进的加权最小二乘法估计噪声统计特性Q和R的方法。该方法在最小二乘法的基础上,通过建立次优估计新息自相关函数来确定权值并递推出最优增益。进而推出了噪声的统计特性,并且简化了Q的推导方法。仿真结果表明,加权后的估计值比不加权的估计值收敛更快,精度更高。     

最优加权最小二乘估计与线性无偏最小方差估计性能比较

在给定的线性模型下,讨论了最优加权最小二乘估计与线性无偏最小方差估计性能比较,在噪声方差矩阵可逆条件下,可算出线性无偏最小方差估计与最优加权最小二乘估计方差的差表达式,并在一定条件下,两者趋于一致。     

关于两个线性模型WLSE的比较

讨论无约束线性模型的加权最小二乘估计与相应的有约束模型的加权最小二乘估计相等的充分必要条件     

半参数回归模型小波估计的相合性

研究一类固定设计下的半参数回归模型.通过利用最小二乘法、加权最小二乘法及新方法小波估计法给出了未知参数β的估计,在较弱的条件下给出了β的最小二乘估计∧βn的弱收敛速度、强相合性以及加权最小二乘估计~βn的强收敛速度.     

线性混合模型中的参数与方差分析

给出了一种将一般的线性混合模型转化为满足Gauss-Markov假设的线性模型方法,然后对其中的参数进行最小二乘估计,并讨论了QR分解在线性混合模型中方差的ANOVA估计中的应用.     

聚集数据线性模型参数聚集Liu估计的相对效率

 当线性模型中的变量间存在复共线性时,常用有偏估计代替无偏估计。其中广义岭估计是研究较多的一种有偏估计。很多实际问题只能观测到聚集数据。本文给出了聚集数据线性模型聚集Liu估计的定义,提出了聚集Liu估计相对于最小二乘估计的两种相对效率,并得到这两种相对效率的上界;给出了聚集Liu估计相对于Peter-Karsten估计的2种相对效率及其上界。本文提出的聚集Liu估计,既能保证估计参数的稳定性,又能保证估计参数的近似无偏性,从这个意义上说,该估计在某种程度上优于聚集广义岭估计。     

多元加权约束线性回归的影响分析

讨论了多元加权约束线性回归中最小二乘估计的影响问题 ,定义了度量影响的 3种诊断统计量 ,进一步推广和发展了已有文献的一些结果     

带约束的Kantorovich不等式在最小二乘相对效率中的应用

利用带约束的Ｋａｎｔｏｒｏｖｉｃｈ不等式获得了一般Ｇａｕｓｓ－Ｍａｒｋｏｖ和方差分量模型中最小二乘的相对效率的下界．这些下界比采用无约束的Ｋａｎｔｏｒｏｖｉｃｈ不等式得到的下界更好     

非线性连续系统动态模型参数拟线性识别研究

本文给出了非线性连续系统动态模型中参数的拟线化识别方法，它与非线性最小二乘的估计参数的方法相比具有收敛速度快的优点．     

几类非线性回归模型的LS估计与非线性度量

研究了一类推广的非线性回归模型的最小二乘估计,证明了其收敛性,并推广到不满足高斯–马尔可夫条件的情形。研讨了几类特殊的部分非线性回归模型的参数估计及非线性程度度量,探讨了参数最小二乘估计求法中迭代初值的选取,提出了改进方向。     

加权最小二乘支持向量机与最小二乘问题的关系

研究了加权最小二乘支持向量机与最小二乘法的关系．证明了用加权最小二乘支持向量机作函数估计与在特征空间中用最小二乘法得到的解是一致的．加权最小二乘支持向量机选择核相当于最小二乘法选择基函数组．由此提出了采用加权最小二乘支持向量机解决最小二乘法问题的思想,保证解具有良好的推广性、鲁棒性与稀疏性．     

线性流形上次反对称矩阵的加权最小二乘解

利用矩阵的奇异值分解和矩阵对的广义奇异值分解,得到一类线性流形上次反对称矩阵在加权范数下的最小二乘解,导出解集合中与给定矩阵最佳逼近解的表达式.