带未知丢失观测率和传感器偏差的多传感器AR模型融合辨识

研究了带未知丢失观测率和传感器偏差的多传感器(Autoregressive,AR)模型融合辨识问题。采用一组伯努利随机变量描述观测丢失现象。选取递推增广最小二乘(Recursive extend least squares,RELS)算法,对未知的AR模型参数和未知的传感器偏差进行在线辨识。应用矩阵加权线性无偏最小方差最优融合估计准则得到AR模型参数的融合估计。通过AR模型与状态空间模型之间的转换和相关函数获得各传感器观测收到率和观测噪声方差估计值。仿真例子验证了此算法的有效性。     

奇异线性模型中LSE的一种新的相对效率

对于奇异线性模型未知参数的最小二乘估计,提出了一种新的相对效率,并给出了该效率的上下界.     

矛盾线性方程组的加权最小一乘解

本文从求矛盾线性方程出发引入了线性方程组的最小一乘解和加权最小一乘解的概念，并讨论了最小一乘解的求解方法。     

二阶部分线性自回归模型的稳健估计

本文将稳健估计程序思想运用到二阶部分线性自回归模型中,得到了未知参数β和非参数函数g(·)的稳健估计.在一定的条件下,证明了未知参数和非参数函数估计的相合性.并通过时间序列的数据模拟验证相合性结果.     

Gauss-Markov模型回归系数广义岭估计的优良性

针对Gauss-Markov模型,讨论了在均方误差矩阵(MSEM)准则和Pitman Closeness(PC)准则下回归系数的广义岭估计相对于最小二乘估计的优良性.     

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。     

基于加权整体最小二乘的平面坐标转换模型精度分析

由于平面坐标转换在实际工程中应用较广且精度要求较高,故提出基于加权整体最小二乘算法求解坐标转换参数,即对系数矩阵和观测值矩阵都赋予合理权值.为进一步提高转换精度,通过实例在加权整体最小二乘求解参数的基础上,分别比较了四参数模型、六参数模型、双线性内插模型及二次曲面模型的坐标转换精度.实验表明,基于加权整体最小二乘求解的...     

复发事件下一般混合治愈模型

在复发事件数据的半参数比率模型基础之上,利用调整后的logistic模型回归治愈率部分,提出一类可将一般比率模型包括在内的混合治愈模型,从而刻画协变量对事件复发率的影响.同时给出该模型中未知参数的估计方法,证明这些估计的相合性和渐近正态性.     

基于下记录值逆Rayleigh模型的估计及预测

当观测数据是下记录值时,利用经典方法讨论了逆Rayleigh分布未知参数的极大似然估计和一致最小方差无偏估计,进而得到了可靠度及失效率的极大似然估计．取未知参数的先验分布为Gamma分布,在平方损失函数下讨论了逆Rayleigh模型的未知参数、概率密度函数、累积分布函数及系统可靠度的Bayes估计,并对元件的剩余寿命进行预测．通过蒙特卡洛模拟研究了估计量的性质,借助数值实验对估计量的值进行计算．     

最小二乘估计的性质

估计线性模型中的回归参数的基本方法就是最小二乘法,鉴于最小二乘估计在实际生活中的作用及其地位,就最小二乘估计的性质进行分析.