极小极大拟合准则下的在线参数估计方法

提出一种采用极小极大拟合准则的实用的在线参数估计方法。为此采取了两条有效措施。第一，将在线辨识中最常用的遗忘因子引入极小极大拟合准则；第二，通过研究有关的极小极大优化问题的对偶问题设计在线递推算法。前者使推广后的极小极大拟合准则具有追踪时变参数的能力，后者则为构造实用的在线递推算法提供了可行的途径。大量仿真研究表明，提出的在线参数估计方法具有较好的性能。     

钻井液流变参数的非线性最小二乘估计算法

钻井液流变模式的参数估计问题大多使用线性回归方法求解,然而,线性回归方法改变了测量误差的统计特征,使得所得到的流变参数估计不具有无偏性和方差最小等特点.针对3种非线性流变方程(幂律模式、赫巴模式和卡森模式)的特点,分别提出了非线性最小二乘估计的新算法.该算法不需要人工给定迭代初始值,迭代过程稳定收敛到最小点,不会陷入极小点陷阱,存储需求小,收敛速度很快,所得到的流变参数估计具有拟合残差近似无偏性和方差几乎最小的优良统计特征.大量的实际钻井液算例表明,新方法具有比线性回归方法更小的拟合方差,拟合残差统计特性优于线性回归方法.     

回归系数的极小极大估计

将文献[1]中提出的求不相容方程组的极小极大解的方法，应用于线性回归方程中的参数估计，提出了一个包括两个普通的最小二乘法的算法。在基于“最大残差最小”的意义下，得到的参数估计忧于员小二乘估计。     

带有双误差项线性回归模型的鲁棒参数估计

一般的参数估计往往对分布的偏差很敏感,对于带有一个误差项的系统,鲁棒参数估计方法能较好地解决这一问题.这里基于极小极大方法,给出了带有两个误差项线性回归模型的鲁棒参数估计.     

城市交通组织优化仿真模型的参数估计新方法

从逼近性较好和易于计算机实现两个角度,对城市交通组织优化仿真模型中参数估计方法进行了研究,给出了极大似然估计法、范数理论的数据拟合以及三次B样条拟合方法,并对3种方法的特点和适用条件进行了比较。极大似然估计法基于数理统计理论,建立在已有试验数据基础上,适合于精度要求不高的情况;范数理论的数据拟合采用欧氏范数(1-范数,2-范数,无穷范数)作为误差量度的准则,理论严密,有明确的几何意义,适合于拟合函数曲线特征比较明显的情况;数据分布规律不明显时,采用三次B样条函数拟合。实例表明,3种仿真模型参数估计方法均是可行的,平均绝对误差从小到大依次为三次B样条拟合方法、2-范数拟合方法和极大似然估计法,分别为0.002 80、.016 90、.017 1。在实际工程中,应分别采用3种方法进行估计,选择误差较小的方法。     

基于二元选择模型的蠓虫分类方法

利用Probit、Logit和Extreme三种二元选择模型研究蠓虫分类问题,并用极大似然法进行参数估计,所得方法具有较高的拟合优度和较好的预测效果,可以用于有效鉴别两类蠓虫。     

非平稳和长记忆时间序列主频率估计方法研究

许多经济时间序列表现出非平稳性和长记忆性，对这样的序列进行谱分析并估计其主频率，采用传统的谱分析方法已不适用，基于平稳和非平稳分数阶差分自回归滑动平均模型，研究了具有非平稳性和长记忆性序列的主频率的估计方法，同时提出了包括模型定阶在内的基于极小化残差平方和的近似极大似然参数估计算法。通过对上海和深圳证券交易所综合指数收益序列的分析，说明了此方法的可行性和有效性。     

求解约束Minimax问题一种改进的可行下降束方法

通过引入一个新型下降测试准则,提出了求解不等式约束极大极小(Minimax)问题一种改进的可行下降束方法。该方法不仅克服了现有方法下降参数选取的困难,而且简化了理论分析。算法具备全局收敛性,且数值试验结果具有明显优势。     

确定性多变量非线性系统的在线修正参数预测滤波PID控制

针对确定性多变量NARMAX模型,分析了其可采用PID控制的约束条件。提出一种增量型预测滤波解耦PID控制算法,基于递推参数估计算法对系统模型进行参数估计,采用逐步迭代预报算法进行预测,结合一种可克服算法病态的直接极小化指标函数的自适应控制算法和Robbins-Monro算法,给出了确定性多变量NARMAX模型的具有在线修正参数的预测滤波PID控制算法,因指标函数中含有输出的预测值,故算法具有加快PID控制参数收敛到有效值速度的性能。仿真研究表明,因为所提出的PID算法具有在线修正参数和预测控制的性能,故系统具有较好的控制品质。     

全级配混凝土极小子样统计方法的研究

为了在可靠度工程中解决极小子样问题（ｎ＜６），提出将同类母体变换为同一母体的工程统计方法，用蒙特卡罗法或贝叶斯理论模拟扩大，在此扩大子样基础上用自助法进行参数估计，其分布的拟合优度检验采用新方法Ａｎｄｅｒｓｏｎ－Ｄａｒｌｉｎｇ法，并配以Ｋｏｍｏｇｏｒｏｖ－Ｓｍｉｒｎｏｖ法进行检验得到满意效果。     

平方损失下区间有界的位置参数函数极小极大估计

给出了位置参数θ区间有界时，函数ｈ（θ的极小极大估计存在的一个充分条件，并据此对一些分布的参数估计进行了讨论。     

依等价AR模型阶次递增的自回归滑动平均模型辨识

通过用AR模型等价ARMA模型的思想,提出了一种确定ARMA模型参数估计方法.针对等价AR模型阶次合理选定问题,借助数据乘积矩矩阵的分块矩阵求逆引理,给出了计算等价AR模型参数估计和相应准则函数的依阶次递增递推算法.通过判定准则函数的变化趋势,来确定出AR模型的最合理阶次和相应的参数估计值.然后基于所拟合的AR模型参数,通过解一个不相容代数方程组便可确定ARMA模型参数.仿真实例验证了该算法的性能.     

均匀设计对于一种特殊的非参数回归模型的优良性

在贝叶斯框架下,研究了一种特殊的非参数回归模型的最优设计问题,给出了贝叶斯非参数回归设计的准则,并在这一准则下证明了均匀设计在该模型下具有允许性和极小极大性.     

一种重复递推辨识方法

许多用于动态系统在线参数估计的递推辨识算法,同样可以用于离线数据拟合问题。本文给出了一种重复递推辨识方法,并证明了此方法的收敛性;仿真结果验证了方法的有效性。     

非光滑逐点最大凸函数的束方法

研究了用束方法求解非光滑逐点最大凸函数的极小化问题，文中给出了最优性条件，次梯度集合的构造方法及算法的迭代程序，提出了新的删除定理，可以减少迭代过程所储存的次梯度的信息量，同时证明了全局收敛定理，极小极大问题，非光滑凸函数。     

有判定的极小极大规则学习及其应用

使用粗糙集理论对训练集进行属性约简,再使用决策树算法得到决策树规则;然后,根据规则信息量及规则可信度的概念提出两条规则筛选准则,并将两条准则应用于极小极大规则学习方法,形成有判定的极小极大规则学习.将该算法应用于决策树规则的简化,缩小了简化的范围,并能保证规则覆盖的一致性,且可减少规则的总数量.     

极小（大）极大（小）问题与鞍点问题

研究了最优化中的极小极大问题、极大极小问题、鞍点问题解之间的关系，得出了它们之间的等价性结果，并给出了证明。     

一类求解极小极大问题的算法

无约束非线性极小极大问题是最优化数值计算领域中十分活跃的研究课题之一,因此,对于无约束非线性极小极大问题,如何设计快速有效的算法一直都是优化工作者十分关心的问题.文中介绍了无约束非线性极小极大问题算法的研究意义及应用领域,分析了现有极小极大问题算法的研究现状,针对极大值函数的特性,给出了极大值函数的次梯度与ε次梯度之间及极大值函数的次梯度的凸锥与次梯度之间的一种包含关系,得到了计算极大值函数的ε次梯度的数值方法,从而构造出了一种求解极小极大问题的ε-算法,并且证明了算法的收敛性,初步的数值例子表明算法是有效的,且具有大范围收敛的特点.     

极大极小问题极大熵方法的研究(I)

首先研究了极大熵函数的保凸性质；在没有可微假设的条件下，证明了极大熵函数既能保持成员函数的凸性，也能保持一致凸性．在此基础上对具有凸性的极大极小问题的极大熵方法的收敛性进行了较详细的研究，有关结果在一定程度上揭示了该方法解这类问题一般都能得到精度很高的解的原因．     

简单线性回归模型的分离参数估计方法

最小二乘法的参数估计方法虽然体现了拟合结果的整体优化特征，却没有体现出各参数估计量的自身统计特征，对此本文给出一种新的参数估计方法，同最小二乘法相比，该方法得到的参数估计值受统计数据的影响最小，文中还讨论了参数估计值自身具有的线性和无偏性。