解大型线性最小二乘问题的并行多分裂方法

本文建立了一种求解大型线性最小二乘问题的新的等价变形，并由此提出了一类具有并行计算功能的多个参数的并行多分裂迭代方法，这类方法不需任何矩阵的求逆运算，亦不会破坏矩阵的稀疏性，并排除了引起矩阵病态的不利因素，从而使所论方法取得了很好的收敛性。     

解等式约束加权线性最小二乘问题的一类直接方法

基于广义Ｃｈｏｌｅｓｋｙ矩阵分解方法，给出了解具有等式约束的加权线性最小二乘问题的一个直接方法，该算法具有工作量小，存贮量少的优点，数值例子说明了算法的有效性。     

线性最小二乘问题解流形的逼近性

研究两个线性最小二乘问题解流形之间的逼近性，所得结果可看作普通最小二乘问题扰动理论的继续。推广了若干已有结论。     

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.     

非负线性最小二乘问题与线性互补问题及不动点问题的等价性

通过Taylor公式建立了非负线性最小二乘问题和线性互补问题之间的等价性,然后,利用这种等价性,把求解非负线性最小二乘问题转化为求解不动点问题中的两个不动点方程.     

张量方法在非线性最小二乘问题中的应用

本文利用张量方法求解非线性最小二乘问题ｍｉｎｆ（ｘ）＝１／２Ｒ（ｘ）＾ｒＲ（ｘ）。主要讨论其奇异问题的算法，提出求解非线性最小二乘问题一种张量算法，并讨论了张量算法中解的存在性。     

两个线性最小二乘问题解流形之间的逼近性

运用广义逆矩阵理论,研究了两个线性最小二乘问题解流形之间的逼近性,推广了若干已有结论。     

稳健加权整体最小二乘法在GPS高程拟合中的应用

由于GPS测量技术获取的大地高与国家采用的正常高之间存在高程异常的问题,为此,通常采用高程拟合的方式进行高程异常的计算,从而将大地高转换为正常高。针对采用加权整体最小二乘法估计GPS高程拟合中的多项式系数时,并没有考虑到观测数据中可能存在粗差的情况。采用稳健加权整体最小二乘法求解GPS高程平面拟合参数,并与最小二乘法、加权整体最小二乘法和稳健最小二乘法的结果进行对比,结果表明稳健加权整体最小二乘法的平面拟合结果最优。     

极小最小二乘解的p次多项式迭代

对于求线性矛盾方程组 Ax=f 的极小最小二乘解(?),本文提出(1)p次多项迭代法,(2)多项式加速方法.     

线性回归最小二乘估计的相合性的若干新结果

本文建立了当r∈[1，2)和r∈(2，∞)时，线性模型回归系数最小二乘估计βn为r-阶矩相合的一些充分条件，这些结果推广和改进了陈桂景的结果。     

一类半参数模型的正交级数及最小二乘估计

考虑半参数回归模型Y_i=X_iβ+g(X_iβ)+e_i,i=1,…,n。用正交级数和最小二乘法构造了β和g的估计β和g,证明β和g的强相合性,并把此结果应用于截断回归模型=Xβ+e,e～F(未知)中未知参数β和误差分布F的估计.     

低对称晶系点阵参数的最小二乘算法

本文按最低对称的三斜晶系导出以直接测定值θ与点阵参数间的误差方程式,并以台劳级数线性化,由最小二乘得到法方程式,因而得到低对称晶系矿物点阵参数的最小二乘法精密计算公式。利用本文推导的公式与传统的柯亨最小二乘法公式,分别计算了七个三斜晶系矿物的点阵参数,二者存在不容忽视的差值。     

论偏最小二乘校正方法的稳定性

研究了多元校正方法——偏最小二乘（ＰＬＳ）在波长色散Ｘ射线荧光光谱分析中的应用，并将该法与传统的经验系数法（ＥＣＭ）进行了比较．其考察对象为一组转炉渣文献数据、一组不锈钢样和一组锌精矿样．结果表明，ＰＬＳ比ＥＣＭ准确、稳定．经分析探讨，认为其主要原因是ＰＬＳ能滤除噪音．文中建立了描述浓度和强度本质的关系式．     

解等式约束非线性最小二乘问题的混合GN—BFGS方法

本文叙述了解约束非线性最小二乘问题的一个方法.该方法利用乘子罚函数把约束问题转化成解一系列一般的非线性最小二乘问题,并用 Fletcher 及 Xu(1987)的混合 GN-BFGS 方法进行近似求解.由于采用近似优化,对 Powell(1969)及Fletcher (1975)的调节参数θ的公式进行了适当的修改变形,以改善方法的效益,数值计算结果显示了本法的特性.     

鲁棒递推最小二乘参数辨识的新方法

本文提出一种新的回归方程的鲁棒递推辨识方法。该方法通过Huber函数选择加权因子,使得参数估计值对由测量系统引起的大扰动或异常值具有鲁棒性。文中给出并证明了该算法对确定性系统的参数估计的收敛性与一致性定理。两个线性动态系统的计算机仿真实例显示出该方法对大扰动或异常值的良好鲁棒性以及参数估计的收敛性。     

污染模型下的最小二乘估计

研究了污染模型下观测值的分布结构及方差，并以此为基础导出了污染模型下的最小二乘估计．结果表明，在测量平差中常用的随机误差模型下，该估计就是李德仁教授提出的验后方差估计；而在均值移动模型下，该估计是均方误差最小的稳健估计．