线性模型中回归系数广义岭估计的相对效率

对于Gauss-Markov模型,给出了回归系数的广义岭估计相对于最小二乘估计的几种相对效率的上、下界,并讨论了它们之间的相互关系.     

错误指定多元线性模型中回归系数混合估计的性质

在二次损失函数和Pitman Closeness(PC)准则下，本文研究了错误指定多元线性模型中回归系数的混合估计相对于最小二乘估计(LSE)的优良性。     

一元线性回归模型下高斯-马尔柯夫定理的另一种证法

本文以一元线性回归模型为背景，对高斯-马尔柯夫定理给出一种新的直接证法．该证法无论是证明的思路还是证明的方法和手段上都较传统证法具有简明、直观的特点．     

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.     

一般岭估计及其相对效率

讨论了下般Gauss-Markoff模型中未知参数向量的最优线形无偏估计的改造问题,引入了一般岭估计的概念且证明了其优良性,提出了关于优化无偏估计的三种估计的相对效率,并给出了它们的上界线下界。     

基于奇异设计矩阵的岭估计及其性质

基于设计矩阵是奇异矩阵的线性模型,讨论线性模型系数参数岭估计的优良性。对于可估函数在均方误差意义下,得到岭估计优于最小二乘估计的性质。而且在二次损失函数下岭估计具有可容许性。     

GL算法在线性回归模型的权值计算中的应用

传统的最小二乘估计在处理含有异常值的线性回归模型的估计问题时拟合得往往不好,根据GL算法给出稳定加权最小二乘优化的参数的估计法．并结合实例进行回归分析,验证该方法的高精度和高效率．     

模型基编码中一种可靠的实时运动估计算法

分析了PLS算法的本质,并针对其缺点提出了一种改进形式;将改进算法同PLS及EKF进行了实验对比.结果表明,此算法不但能实时地估计运动参数,而且还具有良好的稳定性和准确性.     

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。     

广义离散随机线性系统固定区间稳态Kalman平滑器

运用新息理论和射影方法,基于ARMA新息模型和白噪声估值器,提出了广义离散随机线性系统正向固定区间稳态Kalman平滑器。仿真例子说明了算法的有效性。     

线性方程组在线性代数教学中的应用

研究了线性方程组在解决矩阵秩的问题,判断向量组的线性相关性,求向量组的极大线性无关组等教学中的应用.通过引入线性方程组,降低了教学难度,提高了学生的学习积极性,取得了较好的教学效果.     

最小二乘法在普通物理实验中的应用

用最小二乘法来处理普通物理实验数据和拟合曲线,此项工作涉及到大量的计算,若以手工计算会更加烦琐,但如果借助计算机编程计算,则处理的速度就会大大地加快,使得问题简单化.     

关于线性空间直和的探讨

讨论数域F上的线性空间V的若干子空间构成直和的等价条件,得到相应的等价命题,进一步丰富了线性代数理论.     

3-流形相对亏格的可加性

设M为一个紧致连通可定向的3-流形, M=F1∪F2为 M的分支的无交并.M的一个Hee-gaard分解V1∪SV2称为是一个相对于(M;F1,F2)的Heegaard分解,若 _V1=F1且 _V2=F2.用g(M;F1,F2)来表示M的相对于(M;F1,F2)的所有Heegaard分解中的最小亏格,称之为M的相对于(M;F1,F2)的Heegaard亏格(或简称为M的相对亏格).证明了3-流形的相对亏格在连通和下是可加的.     

N维线性空间上的幂等变换的性质

对n维线性空间V上的幂等线性变换的性质进行了讨论,给出了n维线性空间V上的幂等线性变换的几个重要性质.     

k元线性变换矩阵的探讨

给出k元线性变换矩阵的定义,证明全体k元线性变换所构成的向量空间L(V k)与F上全体n×n k阶矩阵所构成的向量空间Mnnk(F)同构.     

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.     

科学计算软件在线性代数课程中的应用

运用Matlab编程实现了含一个参数的恰定非齐次线性方程组有解的判定,该程序比较智能,用户只需要根据提示输入线性方程组的系数矩阵和常数项向量,进行少量的选择就能得到方程组有解的判定.文中例子体现了软件编程在大学数学基础课程上的应用,这些应用可以提高学生学习基础课程的兴趣,能加强学生使用软件编程的能力.