矩阵乘积的加权最小二乘广义逆的反序律研究

加权广义逆是矩阵理论与应用中不可或缺的一部分,它在线性偏微分方程、多元统计分析、线性控制理论等领域有着广泛的应用.本文利用广义Schur补的极大极小秩这一方法研究了一些矩阵乘积的加权广义逆的反序律,给出了矩阵乘积的加权广义逆的反序律A_(3){1,3M_(3)}A_(2){1,3M_(2)}A_(1){1,3M_(1)}■(A_(1)A_(2)A_(3)){1,3M_(1)} 和 A_(3){1, 4M_(4)}A_(2){1, 4M_(3)}A_(1){1, 4M_(2)}■(A_(1)A_(2)A_(3)){1,4M_(4)}成立的充分必要条件.

利用无人机影像和广义迭代重加权最小二乘法的三维重建

为了提高基于无人机影像重建三维场景的效率,提出了应用广义迭代重加权最小二乘法的全局式三维重建方法。首先,介绍了广义迭代重加权最小二乘法的基本思想和具体步骤;接着,将全局旋转矩阵的求解转化为李代数中旋转向量的求解问题,利用结合范数优化和迭代重加权最小二乘的方法求出全局旋转最优解;然后,根据极线几何约束条件,解算相机在全局坐标系下的相对平移方向向量,在广义迭代重加权最小二乘架构下,利用二次规划法求出相机全局位置最优解;最后,对影像位姿参数和重构三维点进行光束法平差优化。实验结果表明该方法在提高重建效率的同时,能够更真实地恢复场景的几何形态。

一种基于最小二乘法的广义加权组合预测模型

研究数据预测问题,传统最小二乘法所确定的单项预测模型,一方面不能很好地利用不同模型的信息,另一方面当拟合效果不佳时预测误差较大。针对最小二乘法的缺点,构建了一种新的预测模型———广义加权最小二乘组合预测模型。通过最小二乘法确立多个单项预测模型,经过广义加权组合法综合不同模型的信息,利用非线性规划法求解最优权系数,最终得到组合预测模型。经仿真计算,证明了该方法的可行性及优越性。

Y-梯度广义最小二乘加权校正的土壤速效氮野外原位光谱预测

土壤速效氮是影响作物生长发育的重要养分指标。野外原位可见近红外光谱(VIS-NIR)分析技术具有快速无损等特点,对速效氮的定量预测具有较好的应用前景。野外条件下进行原位光谱采集更节省人力物力,且为土壤养分实时传感器的开发提供了数据基础。但由于野外原位光谱中通常存在大量的无关环境因子干扰信息,易导致回归模型预测精度降低,达不到实用要求。针对位于以色列中部和北部的两个试验点共76个样本开展研究,提出利用Y-梯度广义最小二乘加权算法(Y-GLSW)对样本的野外原位VIS-NIR反射率光谱(350~2 500nm)进行滤波校正,以提高回归模型的预测能力。首先使用SG平滑、一阶导数变换、标准正态变换等常规方法对原始光谱进行预处理和变换;在此基础上再使用Y-GLSW构建滤波模型对变换后的光谱进行滤波校正;最后使用偏最小二乘回归算法(PLS-R)分别结合原始光谱RW、预处理变换后的光谱PPT和滤波校正后的光谱Y-GLSW建立回归分析模型对速效氮进行定量预测。结果表明:利用RW光谱建立的回归预测模型是不可靠的;利用PPT光谱建立的回归模型在测试集的相对分析误差(RPD)为1.41,解释总方差占实际总方差之比(SSR/SST)为0.57,模型具有一定的可靠性;Y-GLSW光谱建立的回归模型在测试集的RPD和SSR/SST分别为2.07和0.69,相对于PPT模型分别提高了46.81%和21.05%。因此,利用Y-GLSW对野外原位VIS-NIR光谱进行滤波校正,能够有效去除光谱中的无关信息数据,提高模型的预测精度和解释能力。

广义加权最小二乘组合预测法在装备故障率预测中的应用

为了准确预测武器装备的故障率,针对实验数据少,随机因素影响较大的特点,在最小二乘法的基础上,构建广义加权组合预测模型,把最小二乘法与加权组合预测法有机的结合起来。在Matlab环境下,通过最小二乘法确立多个单项预测模型,经过广义加权组合法综合不同模型的信息,利用非线性规划法求解最优权系数。通过实际数例的仿真计算,证明了广义加权最小二乘组合预测模型能有效的降低预测误差,提高预测精度。

基于约束加权最小二乘的无源定位闭式解算方法

针对无源定位问题中可进行伪线性处理的观测方程,提出一种基于约束加权最小二乘的无源定位闭式解算的理论框架。首先,在不限定定位观测量情况下,建立基于约束加权最小二乘的定位模型,推导其无约束最优化形式;然后,只需通过广义特征值分解即可实现辐射源状态估计并给出其解析表达式,并在此基础上证明了该闭式解的全局最优性和减小定位偏差的特性;最后,将该理论框架应用于到达角(angle of arrival,AOA)/到达时间差(time difference of arrival,TDOA)联合定位场景,验证了其有效性。仿真结果表明,所提算法定位精度能够逼近克拉美-罗下限(Cramer-Rao low bound,CRLB),定位偏差明显小于加权最小二乘算法,尤其在连续定位时间较短,噪声强度较大等情况下,验证了所提理论框架的优越性。

广义Pareto分布近似广义最小二乘估计

广义Pareto分布(generalized Pareto distribution,GPD)是统计分析中的一个极为重要的分布.对基于广义Pareto分布的若干个样本分位数进行了研究.首先,求解具有较高精度的形状参数的参数估计;其次,得出广义Pareto分布位置参数及尺度参数的近似广义最小二乘估计.本方法简单易行,对形状参数的存在条件没有限制,通过Monte Carlo模拟验证了该方法具有较高的精度.

矩阵方程AXB=D的最小二乘Hermite解及其加权最佳逼近

本文中,我们讨论了矩阵方程AXB=D的最小二乘Hermite解,通过运用广义奇异值分解(GSVD)，获得了解的通式。此外,对于给定矩阵F，也得到了它的加权最佳逼近表达式。

线性流形上次反对称矩阵的加权最小二乘解

利用矩阵的奇异值分解和矩阵对的广义奇异值分解,得到一类线性流形上次反对称矩阵在加权范数下的最小二乘解,导出解集合中与给定矩阵最佳逼近解的表达式.

等式约束刚性加权最小二乘问题的稳定性扰动(英文)

研究等式约束刚性最小二乘问题.证明了对于刚性问题,约束加权广义逆,约束加权投影和等式约束加权最小二乘问题的扰动是稳定的,当且仅当系数矩阵的扰动满足若干秩等条件.

广义Pareto分布参数的最小二乘估计

传统的广义Pareto分布(Generalized Pareto Distribution,简记GPD)的参数估计一般受分布形状参数的约束.如:矩估计(the Method of Moments,简记MOM),概率加权矩估计(the ProbabilityWeighted Moments,简记PWM),L矩估计(简记LM),极大似然估计(Maximum Likelihood Estima-tion,简记MLE)等.本文利用GDP可转化成指数分布的事实及指数分布参数估计的结果,利用最小二乘(the Least Squares,简记LS)法,得到了两参数和三参数GPD的参数估计;给出了估计量具有渐近正态性的结果.估计方法不受分布形状参数的限制.模拟显示:本文提出的估计在某些常用条件下优于GPD的其他参数估计,如MOM,PWM,LM,以及基于分位数估计(the Elemental PercentileMethod,简记EPM)等.

广义不定最小二乘问题的扰动分析(英文)

通过定义一种新的加权广义逆,研究不定最小二乘问题和等式约束不定最小二乘问题。应用矩阵的双曲QR分解,得到这两个问题的解的表达形式,并且推出了关于这两个问题的解的扰动界.

广义逆的计算与最小二乘估计

给出了某些广义逆的计算方法,将这些结果应用于观测系统的参数估计,给出了系统无加权和加权最小二乘的最新估计结果,推广了[1]的工作,同时简化了[2]中求多个相容矩阵方程公共解的算法。

一阶广义随机系数自回归模型参数的最小渐近方差估计

研究广义随机系数自回归模型中参数的估计问题,给出了未知参数的一个估计类,证明了该估计类中估计的相合性和渐近正态性,并且获得了该估计类中的最小渐近方差估计,并通过数值模拟比较了估计类中各种估计方法的优劣.

四元数体上线性方程组的加正定权极小范数最小二乘解

讨论了四元数体上右线性方程组的加正定权的极小范数解、最小二乘解和极小范数最小二乘解.得到类似于复数域上同类问题的若干结果.

基于等效全最小二乘准则的稳健球面拟合方法

提出一种稳健的球面拟合方法,该方法采用带约束条件的球面方程建立目标函数,在加权最小二乘准则下进行拟合平差,结合广义特征值的QZ分解法,求解球面拟合参数对应的特征向量,并通过选权迭代法获得参数的稳健估值。通过试验分别与一般代数拟合方法、下山单纯形法比较,验证了该方法的有效性与稳定性。

基于全广义变分约束加权最小二乘的低剂量计算机断层重建方法

为了减少X射线的辐射剂量,提出了一种基于全广义变分约束加权最小二乘的低剂量计算机断层(CT)重建方法。首先对投影数据进行统计建模,然后将全广义变分正则化作为先验信息引入到投影数据恢复过程中,从而达到抑制噪声的目的,最后使用传统的滤波反投影算法进行CT图像重建。在Shepp-Logan体模实验中,提出方法的重建结果与Gibbs先验约束的惩罚加权最小二乘(Gibbs-WLS)、字典学习先验约束的惩罚加权最小二乘(DL-WLS)和全变分先验约束的惩罚加权最小二乘(TV-WLS)方法的重建结果相比,均方根误差分别降低了25.06%、1.50%和15.21%,信噪比分别提高了10.29%、0.53%和5.68%。在Clock体模实验中,提出方法的重建结果与Gibbs-WLS、DL-WLS和TV-WLS方法的重建结果相比,均方根误差分别降低了42.72%、23.45%和34.63%,信噪比分别提高了27.04%、11.42%和15.49%。实验结果表明,该方法在有效抑制低剂量CT图像的伪影和噪声的同时可以很好地保持图像的边缘信息和结构细节特征。

分块对角矩阵的加权广义逆

本文用统一的方法给出形如A={U00V}的分块对角矩阵的加权广义逆AM+N,和极小范数广义逆A(1,4N)的分块表达式。

完整的最小二乘递推算法及其对跟踪与预报的应用

利用广义逆矩阵的理论，本文分别就一般加权、最优加权和指数加权等三种情形导出了完整的最小二乘递推(PRLS)算法。在无需待估计量的任何先验统计知识的条件下．该算法能给出系统状态的最小二乘估计。对于某些线性系统，还能给出其状态的无差和无偏估计。最后．利用PRLS算法．我们还导出了机动目标多模型跟踪与预报(MMTP)

完整的最小二乘递推算法及其对跟踪与预报的应用

借助广义逆矩阵的理论,本文分别就一般加权情形、最优加权情形和指数加权情形,给出了无需事先提供待估计量的任何初始统计知识而能获得严格意义下的所谓完整的最小二乘递推(PRLS)算法。应用这种算法,分别得到了某些线性系统的无差和无偏状态估计以及机动目标多模型跟踪与预报(MMTP)算法。