期刊文献+
共找到9篇文章
< 1 >
每页显示 20 50 100
因变量缺失下部分线性变系数变量含误差模型的估计 被引量:6
1
作者 魏传华 《数学物理学报(A辑)》 CSCD 北大核心 2010年第4期1042-1054,共13页
该文主要考虑部分线性变系数模型在自变量含有测量误差以及因变量存在缺失情形下的估计问题.基于Profile最小二乘技术,针对参数分量和非参数分量提出了多种估计方法.第一种估计方法只利用了完整观测数据,而第二种和第三种估计方法分别... 该文主要考虑部分线性变系数模型在自变量含有测量误差以及因变量存在缺失情形下的估计问题.基于Profile最小二乘技术,针对参数分量和非参数分量提出了多种估计方法.第一种估计方法只利用了完整观测数据,而第二种和第三种估计方法分别利用了插补技术和替代技术.参数分量的所有估计被证明是渐近正态的,非参数分量的所有估计被证明和一般非参数回归函数的估计具有相同的收敛速度.对于因变量的均值,构造了两类估计并证明了它们的渐近正态性.最后,通过数值模拟验证了所提方法. 展开更多
关键词 部分线性变系数模型 变量误差 缺失数据 Profile最小二乘 渐近正态
在线阅读 下载PDF
协变量含误差下广义线性模型的SEE变量选择
2
作者 赵培信 杨宜平 《应用数学》 CSCD 北大核心 2015年第1期165-171,共7页
利用一些辅助信息作为工具变量并结合光滑门限估计方程(SEE)方法,针对协变量含有测量误差广义线性模型提出一个工具变量类型的变量选择方法.该方法可以在估计模型中非零回归系数的同时,剔除模型中不显著的协变量,从而达到变量选择的目的... 利用一些辅助信息作为工具变量并结合光滑门限估计方程(SEE)方法,针对协变量含有测量误差广义线性模型提出一个工具变量类型的变量选择方法.该方法可以在估计模型中非零回归系数的同时,剔除模型中不显著的协变量,从而达到变量选择的目的.另外,该变量选择过程不需要求解任何凸优化问题,从而具有较强的适应性并且在实际应用比较容易计算.理论证明该变量选择方法是相合的,并且对非零回归系数的估计达到了最优的参数收敛速度.数值模拟结果表明所提出的变量选择方法可以有效地消除测量误差对估计精度的影响,并且具有较好的有限样本性质. 展开更多
关键词 广义线性模型 光滑门限广义估计方程 变量误差 变量选择
在线阅读 下载PDF
基于网点观测的变量不全含误差的部分线性函数关系模型
3
作者 李堃 李文 吴可法 《数学年刊(A辑)》 CSCD 北大核心 2006年第6期799-806,共8页
对一类基于网点观测的部分线性变量含误差模型进行了研究,解释变量为(xτ,μτ,t)τ,其中x带有观测误差,而μ,t不含误差为真实值,文中用最小二乘原理给出了未知参数的估计,并利用一阶样条方法给出了未知函数的估计.在较弱的条件下证明... 对一类基于网点观测的部分线性变量含误差模型进行了研究,解释变量为(xτ,μτ,t)τ,其中x带有观测误差,而μ,t不含误差为真实值,文中用最小二乘原理给出了未知参数的估计,并利用一阶样条方法给出了未知函数的估计.在较弱的条件下证明了估计量的强相合性。给出了a.s.收敛速度. 展开更多
关键词 部分线性模型 网点 变量误差 强相合性
在线阅读 下载PDF
部分线性变量含误差的网格数据模型的估计
4
作者 马俊玲 王立春 《工程数学学报》 CSCD 北大核心 2022年第1期107-119,共13页
针对网格数据构建了部分线性变量含误差模型。在部分线性变量含误差的网格数据模型解释变量为固定设计的情形下,分别在单向维度观测样本容量趋于无穷和两个维度观测样本容量同时趋于无穷时对模型线性部分的未知参数、误差方差和非线性... 针对网格数据构建了部分线性变量含误差模型。在部分线性变量含误差的网格数据模型解释变量为固定设计的情形下,分别在单向维度观测样本容量趋于无穷和两个维度观测样本容量同时趋于无穷时对模型线性部分的未知参数、误差方差和非线性部分的未知函数进行了大样本统计推断研究。对模型线性部分未知参数和误差方差的改进的最小二乘估计量,在较弱的条件下推出估计量具有强相合性并得到收敛速度;对模型非线性部分未知函数的样条函数估计量,在一定的条件下证明了其具有强相合性并得到其收敛速度。在一定的正则条件下,分别对单向维度观测样本容量趋于无穷和两个维度观测样本容量同时趋于无穷的两种情形证明了模型线性部分未知参数和误差方差的估计量服从渐近正态分布,并对每种情形给出了渐近方差的表达式。 展开更多
关键词 网格数据 变量误差 部分线性模型 渐近正态性
在线阅读 下载PDF
多输入多输出变量带误差模型的最坏情况频域辨识(英文) 被引量:3
5
作者 耿立辉 崔世钢 赵丽 《控制理论与应用》 EI CAS CSCD 北大核心 2016年第10期1366-1372,共7页
本文将单输入单输出(SISO)变母带误差(EIV)模型的频域最坏情况辨识方法推广应用于多输入多输出(MIMO)情况.类似于SISO情况,多输入多输出变量带误差(MIMO EIV)模型的辨识模型集合由估计的系统名义模型及其最坏情况误差界描述.所估计的系... 本文将单输入单输出(SISO)变母带误差(EIV)模型的频域最坏情况辨识方法推广应用于多输入多输出(MIMO)情况.类似于SISO情况,多输入多输出变量带误差(MIMO EIV)模型的辨识模型集合由估计的系统名义模型及其最坏情况误差界描述.所估计的系统名义模型表征为正规右图符号,其最坏情况误差界具有可能的更少保守性,可利用EIV模型的先验信息和后验信息由v-gap度量量化得到.因此,这种模型集合非常适合于后期利用Vinnicombe提出的H。。回路成形法设计鲁棒控制器.最后,利用一数值仿真实例验证所提出辨识方法的有效性. 展开更多
关键词 最坏情况辨识 变量误差(eiv)模型 多输入多输出(MIMO) 频域 v-gap度量
在线阅读 下载PDF
加权EIV模型的经典最小二乘算法 被引量:2
6
作者 谢建 龙四春 《大地测量与地球动力学》 CSCD 北大核心 2019年第5期544-546,550,共4页
采用GHM方法将EIV模型在最优解处线性化,得到解的近似方差。然后,将EIV模型表达成与Gauss-Markov模型相似的形式,利用标准最小二乘理论推导EIV模型的解及近似方差矩阵,得到与已有算法等价的结论。最后,推导观测值估值和残差的统计性质,... 采用GHM方法将EIV模型在最优解处线性化,得到解的近似方差。然后,将EIV模型表达成与Gauss-Markov模型相似的形式,利用标准最小二乘理论推导EIV模型的解及近似方差矩阵,得到与已有算法等价的结论。最后,推导观测值估值和残差的统计性质,建立起一整套EIV模型参数估计和精度评定的体系。 展开更多
关键词 经典最小二乘 变量误差模型 加权整体最小二乘 直线拟合
在线阅读 下载PDF
部分线性函数-结构关系模型的估计 被引量:4
7
作者 马俊玲 吴可法 聂赞坎 《数学年刊(A辑)》 CSCD 北大核心 2004年第6期687-694,共8页
本文研究解释变量为(x,T)的部分线性变量含误差模型,其中x为固定变量,T为随机变量.文中导出了未知参数的两阶段估计,证明了估计的强相合性,并且还证明了未知函数的核估计量是强一致相合的.
关键词 部分线性模型 变量误差 强相合性
在线阅读 下载PDF
广义最大总体相关熵自适应滤波算法 被引量:5
8
作者 赵海全 陈奕达 《信号处理》 CSCD 北大核心 2021年第8期1378-1383,共6页
在输入与输出信号都被噪声污染的含误差变量模型(errors-in-variables model,EIV)中,总体最小二乘算法已经得到了广泛地应用。然而在脉冲噪声干扰的情况下,其收敛性能就会恶化。因此为了处理这种被脉冲噪声污染的含误差变量模型的情况,... 在输入与输出信号都被噪声污染的含误差变量模型(errors-in-variables model,EIV)中,总体最小二乘算法已经得到了广泛地应用。然而在脉冲噪声干扰的情况下,其收敛性能就会恶化。因此为了处理这种被脉冲噪声污染的含误差变量模型的情况,本文将广义最大相关熵准则与总体最小二乘估计方法结合,提出了一种鲁棒的广义最大总体相关熵自适应滤波算法。通过算法仿真比较的结果得出所提出的算法在脉冲噪声环境下能够有效地抑制脉冲噪声的存在,有着较好的收敛性能和鲁棒性。 展开更多
关键词 误差变量模型 总体最小二乘 广义最大相关熵准则 脉冲噪声
在线阅读 下载PDF
基于主成分分析和噪声估计的在线子空间辨识 被引量:2
9
作者 吴平 陈亮 +1 位作者 周伟 郭玲玲 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2018年第9期1694-1701,共8页
提出一种在线子空间辨识方法,该方法主要采用Hessenberg QR分解和特征值分解,通过对噪声项进行估计,并结合主成分分析提取子空间矩阵,获得系统的状态空间方程.引入遗忘因子机制,实现对时变系统的辨识.为了验证所提方法的适用性和有效性... 提出一种在线子空间辨识方法,该方法主要采用Hessenberg QR分解和特征值分解,通过对噪声项进行估计,并结合主成分分析提取子空间矩阵,获得系统的状态空间方程.引入遗忘因子机制,实现对时变系统的辨识.为了验证所提方法的适用性和有效性,分别采用数值模型和工业污水处理过程进行仿真验证.仿真结果表明,相比于其他子空间辨识方法,所提方法在辨识线性时不变系统时,能够获取很好的辨识精度;在辨识线性时变系统时,能够快速跟踪系统变化,并能够获取较好的辨识精度。 展开更多
关键词 子空间辨识 变量误差(eiv)模型 Hessenberg QR 噪声估计 主成分分析(PCA) 在线辨识
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部