回归系数的加权混合估计与最小二乘估计的相对效率

本文研究随机约束下线性回归模型中,回归系数的加权混合估计与最小二乘估计的相对效率,并且给出了相对效率的上下界限.最后我们给出了一个例子来验证我们的理论结果.

回归系数的加权混合估计与最小二乘估计的3种相对效率

研究了具有随机约束的线性回归模型中回归系数的加权混合估计与最小二乘估计的相对效率的问题,给出了相对效率的3种定义.利用矩阵理论给出3种相对效率的上下界,并且得到了各相对效率之间的关系.最后给出例子来验证理论.

回归系数的混合估计与最小二乘估计的相对效率

本文讨论线性回归模型中 ,回归系数的混合估计与最小二乘估计的相对效率问题 ,研究了两种不同相对效率的上。

回归系数加权最小二乘估计的影响评价

对于线性回归模型：Ｙ＝Ｘβ＋ε，ε～（０，σ２Ｗ），讨论了数据对加权最小二乘估计的影响，并得到回归诊断的若干新结论。

线性模型中φ-混合误差下回归系数最小二乘估计的相合性

本文研究线性模型中φ-混合误差序列下回归系数最小二乘估计的相合性,分别对最小二乘估计为强相合和r阶平均相合给出一些充分条件。

基于时变稳健加权最小二乘法的股市收益率预测

提出一类时变参数稳健加权最小二乘法(TRWLS),并将其用于预测标准普尔500指数收益率.该方法将时间相关权重与稳健估计权重相结合,既能捕捉参数时变性,又能降低数据噪声的影响.TRWLS模型组合揭示了经济和统计意义上均显著的收益率可预测性,而且预测能力明显高于普通最小二乘法.TRWLS模型的预测表现也好于传统时变参数模型和稳健回归模型.其预测能力主要来源于时间权重和稳健性权重的互补性以及超参数的学习能力.预测结果在调整多元信息组合方法、权重核函数和验证集长度的情况下均具有稳健性.

回归系数的Bayes估计与最小二乘估计的相对效率

考察在错误指定的先验假定下的回归系数的Bayes估计 (BE) ,并将其与最小二乘估计 (LSE)进行比较 .

岩石抗剪强度参数的加权线性回归估计与验证

研究了岩石抗剪强度参数的优化估计方法,针对岩石抗剪强度数据中存在的异方差问题,引入了加权线性回归方法。在岩石抗剪强度的线性回归分析中,一般假定因变量观测值的观测误差都服从同一正态分布,但忽略了三轴强度数据中所存在的异方差问题。利用位于四川省西南地区的露天砂岩为研究对象,获取砂岩在不同围压下的三轴强度数据并应用加权线性回归方法进行分析并解决了数据的异方差问题。首先介绍了岩石抗剪强度的理论基础和相关的统计方法,然后详细阐述了加权线性回归的概念及应用范围。提出了加权线性回归的理论公式和检验方法,并解释了加权回归中的权重定义和计算方法。最后通过位于四川省西南地区的露天砂岩的试验数据进行验证,研究结果证明了加权最小二乘法在岩石抗剪强度参数估计中的有效性,研究成果可为抗剪强度参数的选取提供相关的理论依据。

基于LMS回归的一步M估计与加权最小二乘估计

探讨在GM假设条件不满足情况下对线性回归模型的稳健估计方法。方法：介绍了估计的稳健性尺度和有效性的概念，采用基于LMS估计的M估计及加权最小二乘估计做稳健回归。结果：通过对一个模拟数据的分析，说明这两种稳健估计结果均优于经典的M估计及LS估计。结论：本文介绍的两种估计方法同时具有较高的稳健性及有效性，并可作近似的稳健推断。

加权最小二乘估计中加权系数的确定

简要地对最小二乘估计进行了介绍 ,通过深入分析加权最小二乘估计 ,引入了“矩阵型”的许瓦兹不等式 ,并对该不等式进行了证明 ,在该不等式的基础上 ,详细分析了在估计的误差方差达到极小情况下的加权矩阵。通过本文的分析 ,为加权最小二乘估计提供了详细的分析过程和正确的估计公式。

基于加权递归最小二乘的MIMO系统信道估计

文章针对多输入多输出(multiple-input multiple-output,MIMO)系统的信道呈现的稀疏特性,提出了一种基于加权递归最小二乘(weighted recursive least square,WRLS)的MIMO系统信道估计方法,在标准递归最小二乘算法的基础上,根据信道中的稀疏结构信息为每个抽头分配一个具有自适应变化特性的独立更新权重。仿真实验验证了该方法适用于非高斯噪声环境下的信道估计,在加快收敛速度的同时,也提高了信道估计的精度。

线性回归模型中的加权最小二乘估计

给出了线性回归模型中的加权最小二乘估计以及最优权数的选择.

线性回归模型加权最小二乘估计的权值计算方法

一、引言 测量数据的处理大多转化为回归模型的参数估计问题，其中线性回归模型是最基本的一类。若测量过程中影响随机误差的各因素保持不变，则认为是等精度测量，对应的线性回归模型就是等精度线性回归模型，其参数估计理论已趋于成熟，经典的线性最小二乘估计具有线性无偏和方差一致最小等优良性质。若考虑均方误差作为评价估计优劣的标准，还可以在复共线性出现时选择合适的有偏估计。因此等精度线性模型已有的参数估计方法总能得到相应标准下高精度的估计。

自回归模型参数的加权最小二乘估计

将线性回归模型参数的加权最小二乘估计推广到12种自回归模型的参数估计。

基于多直线对应和加权最小二乘的位姿估计

为了求解复杂环境下目标的位姿,提出了基于多直线对应的加权最小二乘位姿估计算法。首先对模型直线进行等间隔采样,并沿采样点投影法线方向搜索图像点对应;然后利用图像点对应局部和全局特性对样本点进行加权;最后通过优化法向距离实现目标位姿的优化求解。为了解决模型-图像对应错误引起的优化失败问题,算法在模型-图像点匹配阶段为每个采样点保留多个图像点对应,通过随机Hough变换(RHT)算法将图像点对应约束在直线上,并为每条模型直线保留多图像直线对应。在对样本点进行加权时,综合考虑了样本点自身的属性和样本点同周围点的关系,有效提高了算法对纹理,背景,噪声等的鲁棒性。实验结果表明:提出的方法能够实现复杂环境下目标位姿的优化求解,其在x方向、y方向和z方向的角度估计误差分别优于0.4,0.3和0.1°;在垂直光轴方向和沿光轴方向的相对位置误差则分别优于0.03%和0.1%。相比单假设方法,提出的方法能够更有效地克服复杂背景干扰,实现特殊视图目标位姿的稳定估计。

加权最小二乘估计在无线传感器网络定位中的应用

节点自身定位是目前无线传感器网络领域研究的重点之一,定位误差累积问题是节点定位中必须解决的一个关键问题,利用加权最小二乘估计的方法可以有效抑制累积误差的影响。介绍了如何将加权最小二乘估计应用于节点定位以及如何合理地选择加权系数以降低定位误差。仿真实验表明,运用加权最小二乘估计可以有效地抑制误差累积的影响,提高定位精度。

作物品种区域试验中品种均值估计的模型和方法——算术平均值、加权最小二乘估值和BLUP的比较

针对作物区域试验中的品种均值估计问题 ,根据混合线性模型的一般原理 ,总结和提出多种加权最小二乘估计(WLSE)和最佳线性无偏预测 (BLUP)的方法 ,推导了这些方法的平衡数据计算简式 ;同时 ,利用 14套 2年多点的棉花区试资料和一套 4年多点的棉花品种试验对这些方法的预测效果进行验证比较。结果表明 ,与算术平均值相比 ,以环境内误差方差倒数加权的WLSE估值的预测精度 (包括预测差的大小和品种排名的一致性 )明显不同 ,但其高低因数据而异 ;其他WLSE估值以及BLUP的预测结果差别不大 ,和算术平均值以及相互间的相关系数和秩相关系数均在 0 93以上。

通用EIV平差模型及其加权整体最小二乘估计

以平差基本理论为基础,提出了EIV(errors-in-variables)平差模型的通用形式,涵盖了间接平差、条件平差、附有参数的条件平差及附有限制条件的间接平差等基本EIV模型形式。基于整体最小二乘估计准则,研究了通用EIV模型的加权整体最小二乘算法,并推导了估计结果的近似精度公式。通用EIV模型及其整体最小二乘算法是对EIV模型估计理论的进一步完善,统一的整体最小二乘算法有利于软件的编程实现,有助于推动EIV模型估计理论的应用。

加权最小二乘状态估计量测权值计算的实用方法

分析了实际系统中直接影响加权最小二乘状态估计量测权值的因素,基于量测精度等级及满量程提出了设置量测权值的实用化方法,展示了实际系统中典型量测权值的标幺化数值,可以看出不同电压等级功率量测权值的差别以及电压幅值量测和功率量测权值之间的关系。使用文中方法计算得到的量测权值能更准确地反映量测精度,从而能够提高状态估计结果的准确性,模拟算例和实际工程应用验证了所述方法的有效性。文中还分析说明了计算两种派生量测权值的方法以及选取零注入量测权值的原则。

带等式约束的加权最小二乘法参数估计

电力系统中网络参数错误会影响状态估计的性能,降低EMS中其他应用软件分析决策的可靠性和计算精度。必须通过高效的算法得到接近网络参数的真实值。对参数估计的主要方法进行了简要介绍,重点介绍了使用带等式约束的最小二乘法进行增广状态估计得到的真实解方法,该方法能够方便地集成到状态估计软件中。实例测试结果表明,带等式约束的增广状态估计方法有很好的实用价值。