可量测序列影像的加权整体最小二乘导航

提出顾及观测方程系数矩阵误差的可量测影像定位定姿算法及其权值确定方法,实现了利用可量测序列视觉影像与DGPS/IMU 融合导航计算. 计算结果表明：采用加权最小二乘算法可较好地克服可量测序列影像定位定姿算法中系数矩阵误差的影响,精度高于最小二乘法,当GPS 失锁2.5 km 时可达到优于13 m的定位精度和
0.1m 的定姿精度.     

给定谱系树的加权最小二乘拟合

给出给定谱系树加权最小二乘问题最优拟合的一个充要条件及两个拟合算法。     

矛盾线性方程组的加权最小－乘解

本文从求矛盾线性方程组出发引入了线性方程组的最小－乘解和加权最小－乘解的概念，并讨论了最小－乘解的求解方法。     

扰动项序列自回归模型参数的最小二乘估计

提出一种求解扰动功序列自相关系数ψ及估计回归模型参数Ｂ的迭代方法,证明了该迭代方法关于残差平方和具有全局收敛性质。     

线性模型的广义最小二乘估计递推算法

基于广义线性模型,讨论了新增样品后其系数的广义最小二乘估计与原有的样品其系数的广义最小二乘估计之间的关系,在此基础上,讨论剔除某个过时的样品后,其系数的广义最小二乘估计与原有样品的系数的广义最小二乘估计之间的关系,最后研究新增样品、剔除样品和原有样品它们三个的系数的广义最小二乘估计之间的关系.     

自回归模型参数的最小二乘估计

利用约束规划及计算数学理论,讨论自回归模型参数的精确估计方法,给出求解参数的方法,计算量约为O（N）个运算量。此估计与原来的损失样本信息条件下的最小二乘估计法求解的工作量O（N）基本等价,因此是一个可行的精确估计方法。     

时变AR模型正交最小二乘估计法及其工程应用

指出了时变AR模型LS估计中目前存在的一些问题,并提出了一种正交最小二乘估计方法,在循环冷却水pH值的动态特性的预报控制应用中达到了较高的精度。     

带二次约束的最小二乘问题的求解

针对带二次约束的最小二乘问题提出了一种求解算法,同时给出了算法中牛顿迭代的收敛证明.数值例子说明了此算法的有效性.     

多变量滑动平均模型参数估计两段最小二乘法

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。     

总体最小二乘法及其在GNSS高程拟合中的应用

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。     

基于四边形剖分的最小二乘混合有限元解的超收敛

使用强正规四边形剖分，得到了二阶椭圆方程的最小二乘混合有限元解的超收敛估计，它具有0（h^r 2)的精度，而当采用r阶的Raviart-Thomas元所得到的最优阶估计精度为0(h^r 2)。     

一类矩阵反问题的最小二乘解

讨论了反对称正交对称矩阵反问题的最小二乘解,给出了最小二乘解的一般表达式.作为最小二乘问题的特殊情况-矩阵反问题,得到了有解的充分必要条件,在解存在时给出了解的一般形式.     

基于最小二乘估计的非线性离散系统鲁棒故障诊断

对于一类不确定非线性离散系统,提出了一种基于最小二乘估计的故障诊断(FDBLSE)方法.该方法通过构造被诊断系统的状态估计器而得到状态估计误差与故障之间的动态关系,并以此为基础,利用最小二乘直接对故障进行在线辨识.文中分析了故障辨识误差以及诊断方法的鲁棒性、灵敏度和检测时间,并与基于学习的故障诊断方法作了深入比较.FDBL方法不但能够辨识故障,而且能够给出辨识误差的上界,同时还具有辨识时间短、辨识精度高的特点.仿真表明该方法有效.     

循环矩阵反问题的最小二乘解

讨论了一类循环矩阵反问题的最小二乘解,给出了解的存在定理和解的一般表达式.考虑了给定矩阵的最佳逼近问题,证明了问题存在唯一解,给出了唯一解的表达式,最后给出了两个数值算例.     

最小二乘法求解非线性四阶边值问题

在再生核空间中构造了一种新的算法,研究了一类带有非线性边值问题的数值求解算法.该文基于再生核理论结合最小二乘法来求解四阶非线性边值问题,该理论是基于再生核空间W52[0,1],方程的精确解以级数的形式在再生核空间W52[0,1]中给出,同时给出了一些算例说明了这个方法的有效性.     

基于最小二乘法的多层前向神经网络构造学习算法

提出了一种基于最小二乘法的多层前向神经网络的构造学习算法。神经网络的结构在学习的过程不断变化,通过动态生成学习误差反向传递,利用最小二乘法实现神经网络的快速学习。仿真结果表明,该学习算法盯具有学习速度快,学习精度高,泛化强等优点。     

线性流形上W准对称矩阵反问题的最小二乘解

研究了线性流形上W对称矩阵反问题的最小二乘解及其逼近问题,给出了最小二乘解的一般表达式,并就该问题的特殊情况——矩阵反问题,获得了有解的充分必要条件,并在有解的条件下得到了解的一般表达式.     

基于三角形剖分的最小二乘混合元超收敛性研究

讨论了二阶椭圆问题的最小二乘混合元方法及其超收敛性，采用一致三角形剖分，分片一次多项式空对未知函数作有限元逼近，而对其通量则采用最低阶的Raviart-Thomas元逼近，通过投影算子和辅助算子的技术，得到了精度为o(H^3/2)的超收敛结果。