增删数据场合最小二乘估计算法的比较研究

给出了增删数据场合多元线性回归模型参数最小二乘估计的两种算法-递推算法和Givens变换法,二者都利用已有的结果,减少计算量.递推算法给出预测误差的关系式,可直接比较预测误差大小;Givens变换法不能直接导出预测误差的关系式,但更容易算出残差平方和,可通过比较残差平方和大小比较增删数据前后参数估计的好坏.     

线性模型回归系数估计的实证分析

针对一组外贸数据建立线性回归模型,在其设计阵存在复共线性的情况下,分别运用岭估计和平衡LS估计来改进OLS估计,在改进的同时选择适当的参数可使平衡LS估计的残差平方和比岭估计的小.     

广义对角岭型估计类

提出了具有岭型形式的一类回归系数的参数估计--广义对角岭型估计类.在线性模型的典则形式下此估计类仍是最小二乘估计的一个线性变换,具有有偏性和压缩性.同时还讨论了它的均方误差的形式,证明了在均方误差意义下,在某个椭球范围内它优于最小二乘估计,得到了该估计类的残差平方和的一个简单形式.最后指出该估计类其实是具有岭型形式估计类的统一形式.     

幂函数和指数函数回归模型参数的无偏估计及应用

本文给出了一类非线性函数、幂函数和指数函数回归模型参数的一种估计方法，用此方法计算幂函数和指数函数参数所得的残差平方和比用化为线性模型计算所得的残差平方和小得多。与精确的高斯－牛顿迭代计算结果相近，它比一般非线性回归迭代计算简单。     

人工鱼群算法在生产函数参数估计中的应用

生产函数在生活中有着举足轻重的作用,合理地选择估计生产函数参数的方法尤为重要.常用的C-D生产函数为多元非线性函数,用传统方法进行参数估计存在一定的局限性.基于人工鱼群算法能够克服局部极值、鲁棒性强等特点,给出了一种生产函数中参数估计的通用新方法,该方法首先将生产函数模型中的参数构造成人工鱼模型,利用残差平方和设计食物浓度函数,然后通过人工鱼的随机、觅食、聚群、追尾等行为,对生产函数中的参数进行估计.以美国马萨诸塞州1820-1926年的产值、资金投入和劳动力投入数据做仿真实验,结果表明,该算法在生产函数参数估计中具有寻优速度快的特点,且可得到最小的回归残差平方和.     

生产函数中参数估计方法的进一步改进

在原有生产函数参数的估计方法基础上,提出两种新的估计方法．这两种新的估计方法具有最小的回归残差平方和,文中给出实现这两种参数估计方法的具体算法。     

融合共线方程和多项式修正的遥感影像正射校正

针对线阵推扫式遥感影像正射校正中飞行方向校正误差较大和扫描方向校正误差不均匀的问题,提出一种融合共线方程和多项式残差修正的高精度正射校正新算法(CPOR).该算法首先在传统共线方程的基础上增加一个循环迭代步骤对每扫描行的外方位元素进行精确解算,然后对像平面坐标进行初次校正估计;之后利用控制点处的估计偏差构造多项式误差方程,对每个像坐标进行残差估计并修正,最终完成正射校正过程.实验结果表明,CPOR算法经过循环迭代求解外方位元素和多项式修正估计残差,使校正误差在行方向和列方向都呈均匀分布,并使整体校正误差小于2个像元,平均校正误差较之其他传统校正方法提高了5～6像素.     

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。     

非视线传播环境下基于TOA的综合无线定位算法

针对精确无线移动定位系统中影响定位精度的非视线(NLOS)传播误差问题,在简要分析几种最新NLOS误差消除算法的基础上,提出了一种新的基于信号到达时间(TOA)的综合位置确定算法.该算法首先通过残差排序筛选找出距离测量集合中具有最小残差平方和的伪距测量子集合,达到初步消除NLOS误差的目的;然后采用一种简化的伪距尺度约束算法优化伪距尺度因子,从而得到较准确的距离测量值,以进一步提高定位精度.仿真结果表明这种新方法比线性位置线算法和泰勒级数展开最小二乘位置估计算法性能优越,在一定程度上提高了无线定位的准确度.     

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．     

基于神经网络的一类非线性系统参数估计

基于Ｈｏｐｆｉｅｌｄ神经网络的神经计算原理，提出了一类非线性系统的参数估计方法：首先将系统参数估计问题转化为以系统模型残差平方和为目标函数的优化计算问题，然后利用连续Ｈｏｐｆｉｅｌｄ神经网络的神经计算估计待辨识参数．数字仿真结果表明，该方法不仅算法简单，而且估计精度高．     

CVS中基于残差结构特征的块分类重构算法

现有最好的视频压缩感知重构算法大都采用"预测-残差重构"策略,可有效利用帧内和帧间的相关性获得较好的性能,但是残差重构均直接采用SPL算法,忽略了残差信号自身的结构特征,限制了性能的进一步提升.针对该问题,文中提出了一种基于预测残差结构特征的块分类重构算法,首先利用残差块观测值的平均能量对残差块进行分类,然后对不同类的残差块采用不同的重构算法.仿真实验表明,用于运动较快的视频序列时,文中方案与SPL算法相比可以获得更好的重构质量.     

基于SAIC方法的纵向数据模型平均

传统的SAIC模型平均所需运行时间随数据维数而呈现出阶乘级的增长，其预测精度也随之下降.本文基于传统SAIC模型平均法进行了改进，提出一类基于SAIC加权法的纵向数据模型平均法，使运算效率大幅提升，并且使预测效果拥有良好的稳定性.模拟实验结果表明，与传统方法相比，在预测残差平方和层面，本文提出的新模型在稳定性、精准性和运行速度方面均优于传统方法.     

ELM岭回归软测量建模方法

ELM(极限学习机)是一种新型的前馈神经网络,可有效处理函数的回归问题.针对ELM学习算法隐含层输出可能存在的复共线性问题,提出了ELM岭回归(ELMRR)软测量建模方法.该算法利用岭回归方法代替原有的线性回归算法,以误差平方和均值为性能指标,采用粒子群优化算法确定最佳岭参数,克服了传统岭回归算法最佳岭参数难以确定的缺...     

组合预测误差平方和取值范围研究

应用矩阵理论,对组合预测误差平方和的取值范围进行了研究。给出了简单平均组合预测方法预测误差平方和较精确的取值范围,并得到了一些新结果;还给出了最优组合预测方法预测误差平方和达到上界的一个充要条件的证明。     

DVC中基于残差子带分组的自适应噪声模型估计

为提高噪声模型的估计精度,改善系统率失真性能,文中提出了一种基于残差子带分组聚类的自适应噪声模型估计方法.首先根据频率高低对残差子带进行分组,然后由组内子带残差样本生成特征矢量,进而利用改进的模糊c-均值聚类算法对当前解码子带进行聚类,最后计算出每类残差系数的噪声参数.实验结果表明,相比于相邻子带聚类-方差估计算法,文中所提算法能够更加准确地匹配残差分布特征,率失真性能平均提升0.60 d B,且解码时间平均节省40.59%.     

基于线性回归模型的敦煌市太阳辐射预测方法

利用常规气象观测资料建立了敦煌市太阳总辐射辐照度线性回归预测模型,通过SPSS软件用残差平方和及估计标准误差方法剔除模型自变量中的冗余量,用多元线性回归模型对太阳总辐射辐照度与多个气象要素之间的相关性进行分析及对太阳辐射进行预测,结果表明,利用此模型估算的地面总辐射与实际观测值基本一致,且一天变化趋势一致,该模型能够很好的预测太阳总辐射辐照度,是一种很有发展前景的辐射预测方法。     

基于RBFNN和PSO求解第二类Volterra积分方程的混合方法

提出一种基于RBFNNs和PSO求解第二类Volterra积分方程的混合方法.先将积分区间离散化为点集,并代入积分方程得到方程组,再利用RBF神经网络逼近积分方程中的未知函数,将所求解问题转化为残差平方和的极小化问题.利用PSO算法求解残差平方和的极小化优化问题,得到RBF神经网络的参数,即得问题的逼近解.数值实验表明,该方法可行有效.     

解决非线性最小二乘问题的两种方法

给出非线性最小二乘问题的两种计算方法，利用非线性最小二乘法处理化学过程产量问题，得到非线性估计参数。结果表明：非线性最小二乘法收敛性较好，残差平方和较小。     

网格计算方法在GM(1,1)模型背景值优化中求组合系数的应用

给出了一种利用网格算法来求灰色微分方程中最优组合系数的方法,此方法能够避免迭代误差,从而达到提高灰色模型的模拟精度和预测精度的目的。最后通过实例说明了此方法的可行性,并从平均相对误差、最大相对误差、绝对误差平方和等多种角度展示了新模型的优越性。