-
题名连续性抽样的时间序列估计方法研究进展及应用
被引量：2
- 1
-
-
作者
陈光慧
杨槟羽
-
机构
暨南大学经济学院
-
出处
《企业经济》
CSSCI
北大核心
2018年第5期167-172,共6页
-
基金
霍英东教育基金会项目"基于连续性抽样调查的时间序列数据产生机制研究"(项目编号:141096)
-
文摘
自1973年Blight和Scot首次提出关于连续性抽样调查的时间序列估计方法以来,国际上有关时间序列估计方法的研究发展得十分迅速。本文选择时间序列估计方法作为研究对象,主要从利用经典时间序列理论进行抽样估计、利用卡尔曼滤波进行抽样估计、时间序列估计方法的实际应用三方面对现有研究成果进行了理论化、系统化的梳理。同时,结合现有研究中存在的模型选择、假定条件合理性等问题以及未来研究趋势,建议我国统计调查部门应加快统计调查活动科学化、规范化的进程,从市县层级调查活动入手,在实践中不断完善时间序列估计理论。
-
关键词
连续性抽样调查
时间序列估计方法
状态空间模型
卡尔曼滤波
-
Keywords
repeated sampling survey
time series estimation
state-space model
Kalman filter
-
分类号
F069
[经济管理—政治经济学]
-
-
题名大型教学系统中的智能大数据关键特征估计方法
被引量：3
- 2
-
-
作者
王军涛
-
机构
北华航天工业学院
-
出处
《现代电子技术》
北大核心
2018年第12期83-86,共4页
-
基金
国家高分重大专项项目(67-Y20A07-9002-16/17)
河北省社会科学基金项目(HB16JY005)~~
-
文摘
传统二阶特征估计法在对大数据方差进行估计,预测大型教学系统中的智能大数据关键特征时,存在对多特征的智能大数据关键特征估计效果不明显,估计结果误差累计量大的问题。因此,提出大型教学系统的智能大数据关键特征估计方法,其采用Relief关键特征估计方法获取大数据特征权重,完成智能大数据特征流行学习,通过对特征权重选择后的数据空间进行无监督学习和低维嵌入,实现对多特征的智慧大数据的特征估计。基于大数据关键特征估计结果,采用滚动时间序列估计方法,通过AR(p)模型运算大数据特征的模型阶数,依据该阶数向滚动AR算法引入实时数据,解决大数据特征估计中估计结果不同步造成的累计误差问题,实现智能大数据关键特征准确预测。实验结果表明,所提方法可增强对关键特征的估计精度,对关键特征的估计效果也有所提高。
-
关键词
大型教学系统
智能大数据
关键特征
RELIEF
时间序列估计
累计误差
-
Keywords
large scale teaching system
intelligent big data
key feature
Relief
time series estimation
accumulated error
-
分类号
TN911-34
[电子电信—通信与信息系统]
TP301
[自动化与计算机技术—计算机系统结构]
-
-
题名基于似然比检验的目标机动检测方法
- 3
-
-
作者
邵雷
贺杨超
赵锦
-
机构
空军工程大学防空反导学院
陕西黄河集团设计研究所
-
出处
《航空兵器》
CSCD
北大核心
2024年第6期64-69,共6页
-
基金
国家自然科学基金项目(62173339)。
-
文摘
针对博弈对抗过程目标意图识别中的机动检测问题,设计了一种基于似然比检验的目标机动检测方法。该方法利用目标实时观测数据进行机动检测,将目标机动检测问题转化为目标观测时间序列数据检验问题。首先,基于极大似然原理对目标运动状态进行回归估计;其次,利用似然比检验原理设计检测模型,构建目标机动检测方法。仿真结果表明,该方法在噪声环境下具有较好的误检测和检测延迟性能。
-
关键词
机动检测
似然比
回归估计
时间序列估计
-
Keywords
maneuver detection
likelihood ratio
regression estimation
time series estimation
-
分类号
TJ760
[兵器科学与技术—武器系统与运用工程]
-
-
题名自校正加权观测融合Kalman估值器
被引量：2
- 4
-
-
作者
李云
郝钢
邓自立
-
机构
哈尔滨商业大学电子信息系
黑龙江大学自动化系
-
出处
《科学技术与工程》
2006年第2期116-120,共5页
-
基金
国家自然科学基金(60374026)
黑龙江大学自动控制重点实验室基金资助
-
文摘
对于带未知噪声统计的多传感器系统,应用现代时间序列分析方法,基于滑动平均(MA)新息模型参数的两段递推最小二乘法在线辨识,可在线估计未知噪声方差,进而提出了一种加权观测融合自校正Kalman估值器,可统一处理自校正滤波、预报和平滑问题,并证明了它的收敛性,即若MA新息模型参数估计是一致的,则它与相应的最优加权观测融合Kalman估值器的误差收敛到零,因而具有渐近全局最优性。一个带3传感器跟踪系统的仿真例子说明了其有效性。
-
关键词
多传感器
加权观测融合
KALMAN估值器
辨识
自校正
噪声方差估计现代时间序列分析疗法
-
Keywords
multi sensor weighted measurement fusion Kahnan estimator identification self- tuning noise variance estimation modern time series analysis method
-
分类号
O211.64
[理学—概率论与数理统计]
-
