基于Bootstrap方法的捷联惯组历次测试数据验前分布研究

针对捷联惯性测量组合(捷联惯组)历次测试数据小样本的特点,在总体分布参数形式未知的情况下,根据已有的先验信息,提出了通过Bootstrap重采样技术,获得捷联惯组历次测试数据总体参数的验前分布。结合当前样本信息,给出捷联惯组历次测试数据的验后分布。将统计推断建立在验后分布基础之上,可以减小小样本情况下的统计分析误差。

捷联惯组历次测试数据时间序列建模与预报

提出了捷联惯组历次测试数据时间序列分析法。针对惯组历次测试数据少,小样本建模困难的问题,提出了通过二次修正插值的方法,构建惯组历次测试数据建模分析所需的时间序列。为解决惯组历次测试数据小样本建模问题提供一种可行的途径。最后通过时间序列预报,预测惯组误差系数的变化趋势,为使用、分析、挑选惯组提供了理论依据。

基于分形的捷联惯组历次测试数据混合插值算法(英文)

针对捷联惯组历次测试数据小样本、非等间隔、非线性的问题,提出了一种基于分形插值的三次混合插值算法。通过第一次分形插值保证原始测试数据的变化趋势;通过第二次样条函数插值保证了插值的准确性,实现原始测试数据等间隔化;通过第三次分段线性插值,扩大样本容量,同时保证了原有测试序列的统计特性不变。实例分析表明,该算法很好的实现了对捷联惯组历次测试数据的等间隔处理和样本容量扩大,为捷联惯组历次测试数据小样本建模分析提供良好的基础。

捷联惯组历次测试数据验前分布随机加权中心融合估计法

在小子样理论中,验前分布的获取与表示是一个关键问题。针对捷联惯性测量组合(捷联惯组)历次测试数据验前分布的获取问题,探讨了在异总体情况下,多种验前信息的融合问题。提出了通过随机加权中心融合法实现多种异源信息融合,以获取捷联惯组历次测试数据验前分布,从而减小了小样本情况下的统计分析误差。

基于最大熵法的捷联惯组历次测试数据验前分布研究

研究在验前信息贫乏的情况下,使用异源验前信息确定捷联惯性测量组合(简称捷联惯组)历次测试数据验前分布的方法。将熵的概念引入验前分布的研究中,研究了在小样本条件下通过最大熵法确定捷联惯组历次测试数据验前分布的方法。研究结果表明这种方法能够准确有效地揭示捷联惯组历次测试数据的统计特性,克服了验前信息不足带来的统计分析误差,有效的提高了统计分析的质量。

基于贝叶斯方法的捷联惯性测量组合历次测试数据分布研究

针对捷联惯性测量组合(捷联惯组)历次测试数据小样本的问题,提出了通过Bayes方法研究捷联惯组历次测试数据的统计特性。通过Bayes方法,利用先验信息、总体信息和样本信息得到捷联惯组历次测试数据的验前分布和验后分布,将统计推断建立在验后分布基础之上,减小了小样本情况下的统计分析误差。

基于支持向量机的捷联惯组历次测试数据建模预测

针对捷联惯组历次测试数据的小样本建模问题,在对测试数据进行了插值和相空间重构的基础上,提出了通过支持向量机建立测试数据的回归模型,用来预测捷联惯组历次测试数据的变化趋势。实例分析证明该方法能够准确反映捷联惯组历次测试数据的变化规律,具有一定的实际应用价值。

基于Bootstrap方法的捷联惯组历次测试数据总体参数验前分布研究

针对捷联惯性测量组合(捷联惯组)历次测试数据小样本的特点,在总体参数分布形式未知的情况下,根据已有的先验信息,提出了通过Bootstrap重采样技术,获得捷联惯组历次测试数据总体参数的验前分布,可以减小在小样本情况下统计分析误差。

基于随机加权法的捷联惯组历次测试数据总体参数验前分布研究

针对捷联惯性测量组合(捷联惯组)历次测试数据小样本的特点,在总体参数分布形式未知的情况下,根据已有的先验信息,提出了通过随机加权法,获得捷联惯组历次测试数据总体参数的验前分布,可以减小小样本情况下的统计分析误差.

捷联惯组历次测试数据分布特性研究

针对捷联惯组历次测试数据小样本的特点,提出将随机加权法与最大熵法结合应用于捷联惯组历次测试数据的验前分布研究。在总体分布参数形式已知的情况下,根据已有的先验信息,采用随机加权最大熵法获得捷联惯组历次测试数据总体参数的验前分布。结合当前样本信息,利用贝叶斯方法给出捷联惯组历次测试数据的验后分布,揭示捷联惯组历次测试数据的统计特性,减少小样本情况下的统计分析误差。

基于最小二乘支持向量机的小样本建模方法研究

针对捷联惯组历次测试数据小样本建模问题,提出了通过二次修正插值方法解决测试数据的非等间隔性和样本容量小的问题。并通过相空间重构的思想将一维时间序列多维化。最后通过最小二乘支持向量机建立预测模型。实例分析表明,建立在二次修正插值基础之上的最小二乘支持向量机时间序列模型具有较高的预测精度,能够很好地满足对惯组测试数据分析的要求。