期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
ARMA 序列 AR 参数 G-M 估计的渐近正态性
1
作者 陈伏兵 《东南大学学报(自然科学版)》 EI CAS CSCD 1998年第5期155-157,共3页
证明了ARMA序列AR参数GM估计的渐近正态性.
关键词 ARMA序列 AR参数 G-M估计 渐近正态性
在线阅读 下载PDF
ARMA序列MA参数G-M估计的强相合性
2
作者 陈伏兵 《应用概率统计》 CSCD 北大核心 1999年第2期135-140,共6页
文献[1]给出了ARMA序列MA参数的G-M估计,并证明了估计的渐近正态性.本文证明了这种估计的强相合性.
关键词 G-M估计 强相合性 ARMA序列 参数估计
在线阅读 下载PDF
一种基于奇异值分解的特征抽取方法 被引量:10
3
作者 王文胜 陈伏兵 杨静宇 《电子与信息学报》 EI CSCD 北大核心 2005年第2期294-297,共4页
特征抽取是模式识别的基本问题之一,Fisher线性鉴别分析是特征抽取中最为经典和广泛使用的方法之一。该文分析了Fisher线性鉴别分析在求解过程中可能存在的问题:鉴别矢量的分量可能是复数;特征值对扰动的敏感性;鉴别矢量之间未必具有正... 特征抽取是模式识别的基本问题之一,Fisher线性鉴别分析是特征抽取中最为经典和广泛使用的方法之一。该文分析了Fisher线性鉴别分析在求解过程中可能存在的问题:鉴别矢量的分量可能是复数;特征值对扰动的敏感性;鉴别矢量之间未必具有正交性。由此提出了均衡散布矩阵的概念,并利用均衡散布矩阵构造了一种新的线性鉴别准则。利用奇异值分解定理,将求取鉴别矢量转化为对矩阵求奇异向量。用该方法进行求解可以有效地避免前述的问题。试验结果表明,该鉴别准则具有良好的鉴别能力。 展开更多
关键词 特征抽取 线性鉴别分析 奇异值分解 模式识别 矢量 矩阵 正交性 奇异向量 特征值 分量
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部