ARMA模型参数估计的两段最小二乘法

提出了自回归滑动平均(ARMA)模型参数估计的两段最小二乘法。首先用递推最小二乘法对真实ARMA模型拟合高阶自回归(AR)模型,然后基于所拟合的AR模型参数,用最小二乘法解一个不相容代数方程组得到ARMA模型参数。一个仿真的例子说明了其有效性。     

关于最小二乘法的参数估计问题探讨

数学建模中经常要用最小二乘法进行参数估计,本文介绍了用最小二乘法进行参数估计的原理,以及在计算机上如何估计参数.     

关于最小二乘法的参数估计问题探讨

数学建模中经常要用最小二乘法进行参数估计,本文介绍了用最小二乘法进行参数估计的原理,以及在计算机上如何估计参数.     

自适应滤波器的拟最小二乘算法及其应用

提出两个具有拟最小二乘性的自适应横向滤波算法。该算法用于噪声对消器和预测滤波器,计算机仿真结果,验证了理论分析的正确性。     

最小二乘法在直线矢量化技术中的应用

由于在计算机中图象的存储和显示常常都是以离散的点阵方式进行的，因而给直线的识别速来了很大的困难。本文采用最小二乘法进行参数估计，以提取模式的特征，得到了比较简单的直线矢量化算法，该算法较好的克服了矢量化算法中存在的短线和畸变的缺陷。     

改进的递推增广最小二乘参数估计方法

基于用递推最小二乘(RLS)法拟合高阶自回归(AR)模型得到的白噪声估值,提出了自回归滑动平均(ARMA)模型参数估计的一种改进的递推增广最小二乘法。它由两段RLS算法组成,可在线实现,具有快的收敛速度。一个仿真例子说明了其有效性。     

最小二乘法原理及其简单应用

最小二乘法是从误差拟合角度对回归模型进行参数估计或系统辨识,并在参数估计、系统辨识以及预测、预报等众多领域中得到极为广泛的应用。然而,最小二乘法因其抽象、难懂常常被大家所忽视。本文就最小二乘法的引入,原理的证明,简单的应用进行归纳和总结,使读者对最小二乘法有更为清晰、系统、全面地认识。     

基于LabVIEW的最小二乘法校正在控制中的应用

在自动控制系统中传感器的非线性特性和测量的准确性直接影响设备的控制精度,尤其是针对特殊测量而设计的传感器需要有自动校准功能以提高测量的准确性。工业自动化领域对设备级的控制大量采用可编程逻辑控制器PLC进行控制,然而PLC通常不具备非线性传感器自动校准所要求的数据计算能力。采用PLC同时采集被校准传感器的输出值和标准传感器的输出值,再将2个传感器的输出值传给LabVIEW上位机。基于LabVIEW设计的非线性传感器校正仪采用回归分析技术,应用最小二乘法原理,上位机对传感器的输出值进行拟合,得到满足精度要求的最佳拟合方程及最佳拟合系数。通过LabVIEW上位机与PLC的数据通讯,LabVIEW上位机将拟合系数回传给PLC,PLC利用拟合系数实现对被校传感器的校正。     

基于非线性回归最小二乘法的改进Gompertz模型参数估计

可靠性增长试验是产品研制阶段不可缺少的一项提高产品可靠性的工程项目。成败型试验的可靠性增长数据通常用Gompertz模型进行评估,但存在S形增长数据拟合精度差的不足。根据高斯一牛顿最小二乘法和多元线性回归最小二乘法原理,提出改进的Gompertz模型参数估计的非线性回归最小二乘法。用试验数据对改进后的模型进行验证,拟合度较好。     

自回归模型参数的普通最小二乘估计

将线性回归模型参数的普通最小二乘估计推广到12种自回归模型的参数估计。     

扰动项序列自回归模型参数的最小二乘估计

提出一种求解扰动项序列自相关系数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．     

整体最小二乘参数估计的并行算法

基于递推最小二乘的逆ＱＲ分解方法,给出一种整体最小二乘参数估计的递推算法,并利用已获得的并行实现方法进行并行实现,最后给出了仿真结果．文中给出的并行计算方法使得在实际中应用整体最小二乘进行参数估计变得可行．     

多变量ARX-like系统的递阶最小二乘估计

利用Kronecker积,推导出多变量ARX-like随机系统的辨识模型,使用递阶辨识原理研制了一个递阶最小二乘参数估计算法.提出的递阶最小二乘算法比现存递推最小二乘算法计算量小.给出了为仿真例子.     

ARMA模型参数估计的GW-LS两段算法

提出了新的GW-LS两段算法,很好地改善了自回归滑动平均(ARMA)模型参数估计的性能。首先摈弃传统的拟合到AR模型的思考方法,而是基于ARMA模型的相关函数用Gevers-Wouters(GW)算法对ARMA模型拟合到高阶滑动平均(MA)模型;然后在拟合的MA模型参数基础上,用最小二乘(LS)算法求解一个不相容的线性方程组,从而估计出ARMA模型参数。最终的仿真实例说明了本算法较高精度、较快速度的收敛特性。     

故障诊断的最小二乘估计法

本文讨论了故障诊断的最小二乘估计法，对故障系统应用最小二乘法估计出其状态参数值，并与系统标称值比较．从而诊断出系统的故障大小及部位．文中给出了一个仿真实例．诊断结果令人满意．     

Nonlinear Spline Kernel-based Partial Least Squares Regression Method and Its Application

Inspired by the traditional Wold＇s nonlinear PLS algorithm comprises of NIPALS approach and a spline inner function model, a novel nonlinear partial least squares algorithm based on spline kernel （named SK-PLS ） is proposed for nonlinear modeling in the presence of multicollinearity. Based on the inner-product kernel spanned by the spline basis functions with infinite number of nodes, this method firstly maps the input data into a highdimensional feature space, and then calculates a linear PLS model with reformed NIPALS procedure in the feature space and gives a unified framework of traditional PLS ＂kernel＂ algorithms in consequence. The linear PLS in the feature Space corresponds to a nonlinear PLS in the original input （primal） space. The good approximating property of spline kernel function enhances the generalization ability of the novel model, and two numerical experiments are given to illustrate the feasibility of the proposed method.