期刊文献+
共找到81篇文章
< 1 2 5 >
每页显示 20 50 100
分块奇异线性模型及其导出的奇异线性模型间的最小范数二次无偏估计等价性研究(英文) 被引量:4
1
作者 张宝学 鹿长余 《应用概率统计》 CSCD 北大核心 2004年第4期393-403,共11页
本文考虑一般线性模型A=(y,X1β1+X2β2,σ2V)及其导出线性模型,其中V是已知的非负定矩阵,X=(X1:X2)是已知的设计矩阵,给出了线性模型A及其导出线性模型间最小范数二次无偏估计间差的表达式,更进一步,建立了线性模型A及其导出线性模型... 本文考虑一般线性模型A=(y,X1β1+X2β2,σ2V)及其导出线性模型,其中V是已知的非负定矩阵,X=(X1:X2)是已知的设计矩阵,给出了线性模型A及其导出线性模型间最小范数二次无偏估计间差的表达式,更进一步,建立了线性模型A及其导出线性模型间最小范数二次无偏估计相等的充分必要条件. 展开更多
关键词 奇异线性模型 最小范数无偏估计 投影
在线阅读 下载PDF
最小范数二次无偏估计与最小方差二次无偏估计的关系 被引量:3
2
作者 邱红兵 《应用数学》 CSCD 北大核心 2001年第S1期103-106,共4页
本文给出了当V0 ≥ 0时 ,c′σ2 在混合模型M =( y ,Xβ ,Uξ,σ20 V0 )下的最小范数二次无偏估计的表达式及其证明 ;得到了当 y服从正态分布时 ,c′σ2 的最小范数二次无偏估计与其最小方差二次无偏估计之间的关系。
关键词 混合模型 最小范数无偏估计 最小方差无偏估计
在线阅读 下载PDF
采用距离无偏估计的加权最小二乘定位算法 被引量:9
3
作者 李朝海 汪子峰 +1 位作者 李会勇 张伟 《信号处理》 CSCD 北大核心 2016年第12期1463-1467,共5页
随着Wi Fi网络的广泛覆盖,基于接收信号强度的定位技术成为研究热点。针对已有基于接收信号强度定位算法定位性能不高的实际问题,提出一种基于距离无偏估计的加权最小二乘定位算法。该方法首先利用接收信号强度观测模型计算得到信号源... 随着Wi Fi网络的广泛覆盖,基于接收信号强度的定位技术成为研究热点。针对已有基于接收信号强度定位算法定位性能不高的实际问题,提出一种基于距离无偏估计的加权最小二乘定位算法。该方法首先利用接收信号强度观测模型计算得到信号源与传感器之间距离的无偏估计量,然后根据距离计算公式建立方程组;接着把距离的无偏估计量代入方程组得到关于信号源位置的线性最小二乘模型,同时计算线性最小二乘模型中的噪声协方差矩阵;最后运用加权最小二乘方法计算得到信号源位置的估计量。该文对所提算法进行了充分的计算机仿真,仿真结果表明:在不同的定位环境下,所提算法的定位性能均优于传统加权最小二乘算法和最佳线性无偏估计算法。 展开更多
关键词 加权最小 接收信号强度 无偏估计
在线阅读 下载PDF
生长曲线模型中协差阵的一致最小方差非负二次无偏估计
4
作者 胡咏梅 《北京师范大学学报(自然科学版)》 CAS CSCD 北大核心 1998年第1期31-34,共4页
在准椭球等高分布下给出了生长曲线模型中tr(CV)的一致最小方差非负一次无偏估计存在及任一个非负二次估计成为一致最小方差非负二次无偏估计的充要条件.
关键词 生长曲线模型 无偏估计 协差阵
在线阅读 下载PDF
补偿最小二乘解的单位权方差的无偏估计 被引量:3
5
作者 张俊 独知行 +1 位作者 杜宁 张显云 《大地测量与地球动力学》 CSCD 北大核心 2014年第1期153-156,共4页
从残差矩阵二次型的数学期望公式出发导出了半参数模型的补偿最小二乘解的单位权方差的理论无偏估计公式,并通过模拟算例验证了该公式的正确性。由于公式中包含系统误差真值,实际应用中,采用较好精度的系统误差估值代替真值时,可得到比... 从残差矩阵二次型的数学期望公式出发导出了半参数模型的补偿最小二乘解的单位权方差的理论无偏估计公式,并通过模拟算例验证了该公式的正确性。由于公式中包含系统误差真值,实际应用中,采用较好精度的系统误差估值代替真值时,可得到比较接近单位权方差真值的单位权方差估值。 展开更多
关键词 残差 半参数模型 补偿最小 单位权方差 无偏估计
在线阅读 下载PDF
协方差的最优二次型无偏估计 被引量:1
6
作者 刘建忠 施红星 《河北大学学报(自然科学版)》 CAS 2001年第4期368-369,388,共3页
在二维总体与正态分布具有相同的前四阶矩的条件下 ,利用矩阵迹的一个不等式 ,讨论了协方差的二次型估计 .证明了一个常用的估计量为协方差的最小方差二次型无偏估计 .
关键词 协方差 估计 无偏估计
在线阅读 下载PDF
推广的生长曲线模型的协方差不变最小二乘无偏估计(Ⅱ)
7
作者 肖枝洪 李改扬 李开丁 《应用数学》 CSCD 北大核心 2003年第1期76-82,共7页
本文用投影理论及矩阵的谱分解方法 ,找出了推广的生长曲线模型的未知协方差矩阵Σ及tr(CΣ)在一定条件下的不变最小二乘无偏估计 ,为其估计的优良性的讨论奠定基础 .
关键词 生长曲线模型 协方差 最小无偏估计 谱分解 不变性 动物群体
在线阅读 下载PDF
两个方差分量的联合二次不变无偏估计的可容许性
8
作者 洪少南 《江西师范大学学报(自然科学版)》 CAS 1998年第4期295-298,共4页
该文对y~N(Xβ,θ1V1+θ2V2),V1,V2≥0,给出了(θ1,θ2)的联合二次不变无偏估计在联合二次不变无偏估计类中不可容许的充要条件,并据此给出了具体判别联合二次不变无偏估计的可容许性的方法.
关键词 方差分量 可容许性 估计 无偏估计
在线阅读 下载PDF
方差分量的极小极大不变二次无偏估计
9
作者 洪少南 《江西师范大学学报(自然科学版)》 CAS 北大核心 2009年第2期201-202,206,共3页
对y^N(Xβ,p∑i=1iθVi),∑pi=1Vi>0,0≤ai≤iθ≤bi,bi>0,i=1,…,p,给出了方差分量线性函数的极小极大不变二次无偏估计.
关键词 方差分量 极小极大不变无偏估计 欧几里德空间
在线阅读 下载PDF
有约束的线性模型下的最小二乘估计与最佳线性无偏估计的比较 被引量:1
10
作者 汪静 孔凡惠 《暨南大学学报(自然科学与医学版)》 CAS CSCD 1999年第3期17-22,共6页
研究了无约束的线性模型M={Y,X(,(2V}的最小二估计OLSE与在相应的有约束的线性模型Mr={Y,X(|R'(=0,(2V}下X(的最佳线性无偏估计BLUE(X()的比较问题,建立了在Mr下这两个线性无偏估计量相等的充要条件.
关键词 最小估计 线性无偏估计 线性回归模型
在线阅读 下载PDF
(L_G)型参数估计中最小二乘估计对最佳线性无偏估计的相对误差与相对误差界
11
作者 唐有恒 《南京化工学院学报》 1993年第1期29-33,共5页
近年来对(L_G)型参数估计的研究取得不少新进展,主要有:给出了最小二乘与最佳线性无偏估计之差的范数界,最小二乘估计对最佳线性无偏估计的相对效率等。在此基础上,本文提出了最小二乘估计对最佳线性无偏估计的相对误差与相对误差界的... 近年来对(L_G)型参数估计的研究取得不少新进展,主要有:给出了最小二乘与最佳线性无偏估计之差的范数界,最小二乘估计对最佳线性无偏估计的相对效率等。在此基础上,本文提出了最小二乘估计对最佳线性无偏估计的相对误差与相对误差界的新观点。 展开更多
关键词 参数估计 最小估计 无偏估计
在线阅读 下载PDF
增长曲线模型中最小二乘估计的几种相对效率(英文) 被引量:10
12
作者 邓起荣 陈建宝 《应用数学》 CSCD 1997年第1期60-65,共6页
对于一般的增长曲线模型Yn×m=Xn×pBp×qZq×m+ε,ε^(0,δV∑)本文定义了B的最小二乘估计(相对于B的最佳线性无偏估计)的四种相对效率,并得到了它们的下界.
关键词 增长曲线模型 最小估计 无偏估计 相对效率
在线阅读 下载PDF
线性模型中Bayes线性无偏最小方差估计的优良性 被引量:6
13
作者 刘谢进 缪柏其 《中国科学技术大学学报》 CAS CSCD 北大核心 2009年第3期265-270,共6页
在均方误差矩阵准则下研究了未知参数的Bayes线性无偏最小方差(Bayes linear unbiasedminimum variance estimator,BLUMV)估计相对于最小二乘(least square,LS)估计的优良性,并讨论了3种不同相对效率的界.在predictive Pitman closeness... 在均方误差矩阵准则下研究了未知参数的Bayes线性无偏最小方差(Bayes linear unbiasedminimum variance estimator,BLUMV)估计相对于最小二乘(least square,LS)估计的优良性,并讨论了3种不同相对效率的界.在predictive Pitman closeness(PRPC)准则下研究了BLUMV估计相对于LS估计的优良性. 展开更多
关键词 Bayes线性无偏最小方差估计 最小估计 均方误差矩阵准则 相对效率 PRPC准则
在线阅读 下载PDF
线性模型中广义最小二乘估计关于误差分布的稳健性 被引量:6
14
作者 邱红兵 罗季 《吉林大学学报(理学版)》 CAS CSCD 北大核心 2009年第1期13-16,共4页
研究一般线性模型下广义最小二乘估计关于误差分布的稳健性,给出了误差分布的最大分布类,使得当误差向量的分布在此范围内变动时,广义最小二乘估计在广义均方误差准则下为一致最优估计.
关键词 线性模型 广义均方误差 稳健性 广义最小估计 最佳线性无偏估计
在线阅读 下载PDF
平衡损失下Bayes线性无偏最小方差估计的优良性 被引量:5
15
作者 刘谢进 缪柏其 《中国科学技术大学学报》 CAS CSCD 北大核心 2011年第6期525-530,共6页
在平衡损失风险函数准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于最小二乘(LS)估计的优良性.在predictive Pitman closeness(PRPC)准则下研究了BLUMV估计相对于LS估计的优良性.
关键词 Bayes线性无偏最小方差估计 最小估计 平衡损失风险函数准则 PRPC准则
在线阅读 下载PDF
Bayes线性无偏最小方差估计相对于岭估计的优良性 被引量:1
16
作者 刘谢进 缪柏其 《华中师范大学学报(自然科学版)》 CAS 北大核心 2013年第5期605-609,共5页
在均方误差矩阵准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于岭估计的优良性,在平衡损失风险函数准则下研究了未知参数的BLUMV估计相对于岭估计的优良性,并导出了在一定条件下BLUMV估计与最小二乘估计趋于一致.
关键词 Bayes线性无偏最小方差估计 最小估计 估计 均方误差矩阵准则 平衡损失风险函数准则
在线阅读 下载PDF
一次范数最小稳健估计在高程混合网中的应用 被引量:1
17
作者 邓永和 李天文 《西北大学学报(自然科学版)》 CAS CSCD 北大核心 2007年第6期952-955,共4页
目的探讨如何获得高程混合网高精度的平差结果。方法结合高程混合网的模拟计算,分别采用下面4种方法平差,即:第1种,不考虑三角高程测量中折光系数影响的最小二乘法;第2种,考虑三角高程测量中折光系数影响的最小二乘法;第3种,不考虑三角... 目的探讨如何获得高程混合网高精度的平差结果。方法结合高程混合网的模拟计算,分别采用下面4种方法平差,即:第1种,不考虑三角高程测量中折光系数影响的最小二乘法;第2种,考虑三角高程测量中折光系数影响的最小二乘法;第3种,不考虑三角高程测量中折光系数影响的一次范数最小稳健估计;第4种,考虑三角高程测量中折光系数影响的一次范数最小稳健估计。结果上述第2种方法比第1种方法精度高,第3种方法与第4种方法精度相当,且均高于第1种方法和第2种方法。对于一次范数最小稳健估计,权函数中常数c越小,平差结果的精度越高。结论在高程混合网中,上述4种方法中,第3种方法是最佳的,因为它精度最高,同时野外工作量最小。在按一次范数最小稳健估计计算时,应根据需要和实际,选择尽量小的c值。 展开更多
关键词 高程混合网 最小乘法 范数最小稳健估计
在线阅读 下载PDF
基于二次型规划考虑网络丢包的鲁棒状态估计
18
作者 王中杰 易总根 《同济大学学报(自然科学版)》 EI CAS CSCD 北大核心 2012年第6期942-948,共7页
提出一种可以体现网络丢包的离散时间线性时不变状态空间模型,并将鲁棒状态估计的问题转化为向量优化问题.为了能够快速有效地对该问题进行求解,通过标量化方法将向量优化问题转化为普通的标量二次型规划问题,然后将状态估计问题转化为... 提出一种可以体现网络丢包的离散时间线性时不变状态空间模型,并将鲁棒状态估计的问题转化为向量优化问题.为了能够快速有效地对该问题进行求解,通过标量化方法将向量优化问题转化为普通的标量二次型规划问题,然后将状态估计问题转化为对标准l1正则化最小平方问题的求解.结合Kalman滤波的更新过程,提出了能够适用于具有数据包丢失情况下的鲁棒状态估计算法,通过仿真实验验证了算法的有效性. 展开更多
关键词 鲁棒状态估计 网络丢包 型规划 l1正则化最小平方
在线阅读 下载PDF
奇异线性模型均值向量最小二乘估计的相对效率
19
作者 刘谢进 《合肥工业大学学报(自然科学版)》 CAS CSCD 北大核心 2011年第5期794-796,800,共4页
在奇异线性模型下,文章通过比较估计量的协方差矩阵的谱范数和F范数,定义了均值向量的最小二乘估计(LSE)相对于最佳线性无偏估计(BLUE)的2种新的相对效率,并给出了其下界。
关键词 奇异线性模型 均值向量 最佳线性无偏估计 最小估计 相对效率
在线阅读 下载PDF
多元正态线性模型中的最优非负二次估计
20
作者 袁强 《北京师范大学学报(自然科学版)》 CAS 1988年第4期13-18,共6页
考虑多元线性模型:nYp=X_1BX'_2+U=(ε_(1)…ε_(r))′ε_(r),…,ε_(r)N_p(O∑)。给出了tr(C∑)的一致最小方差非负二次无偏估计存在的一些充分条件,并在该估计存在的条件下,求出了它的具体表达式。
关键词 正态分布 非负无偏估计 一致最小方差
在线阅读 下载PDF
上一页 1 2 5 下一页 到第
使用帮助 返回顶部