病态加权最小二乘混合模型的k-Liu估计解法

文章综合加权多源观测模型及最小二乘混合模型,组合两种有偏估计算法得到组合有偏估计算法。利用岭估计与Liu估计形成一种新的有偏估计——k-Liu估计,其可以抵抗法方程系数矩阵的病态性,同时可以有效降低参数估值的均方误差。通过构建目标函数导出k-Liu估计在病态最小二乘混合模型中参数的通用解式、均方误差式和协因数的计算式,推导出k-Liu估计中修正因子的计算式,通过广义交叉检核法确定岭参数。最后,通过多种估计法参与算例解算,得出k-Liu估计可以进一步提升混合最小二乘模型的解算精度。

混合整数线性模型参数最小二乘估计的弱相合性

在GPS和测绘等领域中,混合整数线性模型是非常重要的一种模型。本文在混合整数线性模型参数的最小二乘估计的基础上,证明了该估计量的弱相合性。Monte Carlo模拟验证表明,各参数估计的相合效果明显。

混合整数最小二乘在GPS定位中的应用

目前针对载波相位双差观测模型中具有整型和浮点型两类参数的特点,常用的方法是先将混合整数最小二乘估计转换为整数最小二乘估计,并以此为准则搜索确定整周模糊度,然后回代解算基线向量。这里提出了一种基于混合整数最小二乘对两类参数同时估计的方法;推导了在未知参数具有先验信息的条件下混合整数最小二乘及整数最小二乘的参数估计准则。最后给出算例验证了基于混合整数最小二乘的参数估计的正确性和优越性。

基于非线性高斯-赫尔默特模型的混合整体最小二乘估计

针对EIV模型的系数矩阵同时包含固定量和随机量的情况,通过将系数矩阵中的随机量提取出来纳入平差的随机模型,从而将EIV模型表示为非线性高斯-赫尔默特(Gauss-Herlmert,GH)模型形式,推导了混合LS-TLS(least squares-total least squares,LS-TLS)算法及其精度估计公式。算法适用于系数矩阵包含固定列、固定元素和随机元素的一般情况。模拟实例结果表明,混合LS-TLS算法与已有能够解决系数矩阵同时含固定量和随机量的结构性或加权TLS算法的估计结果一致;混合LS-TLS的估计结果统计上要优于LS或TLS估计结果。

混合结构总体最小二乘参数估计

为解决当系数矩阵由常数列和非常数列组成,非常数列含有重复元素时传统混合总体最小二乘估计理论不够严密的问题,提出混合结构总体最小二乘参数平差模型,根据非线性最小二乘平差理论推导了混合结构总体最小二乘参数平差的迭代计算公式,并分别模拟计算了观测向量元素所受误差干扰量等于、大于和小于非常数列中非重复元素误差干扰量三种情况。实验结果表明:混合结构总最小二乘法不仅能够同时估计出系数矩阵常数列和非常数列所对应的参数值,而且能够对常数元素赋予零改正值,不同位置的同一元素赋予相同的改正值,单位权中误差估计值更接近模拟值;在系数矩阵非常数列中非重复元素所受误差干扰量大于观测矢量所受误差干扰量时,混合结构总体最小二乘参数平差法的参数和单位权中误差估计结果明显更接近于真实值。

回归系数的混合估计与最小二乘估计的一个新的相对效率

本文对具有附加信息的线性回归模型中的混合估计与最小二乘估计给出了一种新的相对效率,研究了新的相对效率与其它几种相对效率的关系,得出了新的相对效率的上、下界.

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。

回归系数的混合估计与最小二乘估计的两种相对效率

本文研究了线性回归模型中,回归系数的混合估计与最小二乘估计的相对效率,利用矩阵的相关性质和运算,导出了两者之间两种新的相对效率的上下界.

混合整数线性模型的最小二乘解及其应用分析

全球卫星导航系统整周模糊度解算最终归结为一个混合整数线性模型的求解问题。给出了求解混合整数线性模型最小二乘解的基本过程和由整体最优搜索准则推导出最小二乘模糊度搜索准则的简化过程,讨论了整数解的验证及其在实际应用中存在的问题。最后结合GPS实测数据的处理结果,分析了降相关变换和ratio检验在模糊度解算过程中所起的作用。

线性模型中混合估计与最小二乘估计的新相对效率

文章讨论了当线性模型有一定的附加信息时,回归系数的混合估计与最小二乘估计的相对效率问题;在误差矩阵为正定矩阵时,给出了一种新的相对效率,并导出了它的上界。

多元响应回归模型及其参数的非线性最小二乘估计混合算法

针对多元响应数据的特点,建立了一个多元响应回归模型,对参数的非线性最小二乘估计进行了探讨。结合拟牛顿法和信赖域算法建立了一个非线性优化的混合迭代算法,该算法在一定条件下具有全局收敛性和超线性收敛性,对参数的非线性最小二乘估计是有效的。

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。

混合型正态分布的抗差最小二乘估计

利用等价权原理,讨论混合型正态分布模式下,数据的方差、未知参数的抗差最小二乘估计以及它们的Fisher一致性问题.

非线性最小二乘估计的蚁群单纯形混合算法

基于对单纯形算法和蚁群算法的分析,提出了非线性最小二乘估计的蚁群单纯形混合算法,并用实例证实了该算法既具有单纯形算法收敛较快的优点,又能以较大概率得到全局最优。

回归系数的混合估计和最小二乘估计的相对效率

本文讨论了在具有附加信息的线性回归模型中,回归系数的混合估计和最小二乘估计的相对效率问题,在误差矩阵为正定的数量矩阵时,定义了一种新的相对效率.

混合线性模型最小二乘估计的模拟分析

本文首先用最小二乘估计的方法构造混合线性模型参数的估计量,在一定的假设条件下,进行数值模拟,以说明所构造的估计量的有效性。并给出一个实际算例来体现混合线性模型在实际当中的重要应用。

基于最小二乘支持向量机的并联混合动力汽车发动机转矩在线估计

为提高并联混合动力汽车发动机转矩在线估计的精度,提出基于最小二乘支持向量机(LSSVM)和分布估计算法(EDA)的发动机转矩观测器的建模方法。该方法将发动机的油门开度和转速作为LSSVM输入,转矩作为输出,对转矩与油门开度和转速的关系进行训练,通过分布估计算法优化LSSVM的参数。基于最优参数建立发动机转矩观测器,并用测试样本进行了比较。结果表明,采用EDA-LSSVM方法比遗传算法-最小二乘支持向量机和网格搜索/交叉验证算法-最小二乘支持向量机的估计误差小、运算速度快和泛化能力强。

一阶混合整数值负二项自回归模型

考虑复杂整数值时间序列数据的建模问题.首先,提出一类一阶混合整数值负二项自回归模型,并证明该模型的严平稳遍历性,讨论该模型的转移概率、期望、方差等概率统计性质;其次,研究该模型的最大似然估计问题,得到了估计量的渐近正态性,并在数值模拟的基础上进行实证分析.实证分析结果表明,该模型在拟合毒品犯罪次数数据时性能良好.

具附加信息的回归模型中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,给出了一种新相对效率,并利用矩阵的相关性质和运算导出了其上下界.

基于遗传算法的混合威布尔分布参数最小二乘估计

混合威布尔分布模型常用来分析具有多种失效模式的复杂系统的可靠性数据,由于模型中包含较多参数,与单一威布尔分布相比,混合威布尔分布的参数估计更为复杂。利用遗传算法为优化方法,提出了一种混合威布尔分布参数估计的最小二乘方法。以残差平方和最小为优化目标,以各参数取值范围为约束条件,构建了混合威布尔分布的非线性最小二乘优化模型;通过变换决策变量上下限、引入惩罚因子和保存最优个体等策略改进传统遗传算法以提高算法的性能,进而利用改进后的遗传优化算法对混合威布尔分布的非线性最小二乘优化模型进行求解。实例分析表明本文方法有效,利用本文方法计算得到的可靠度估计值与真实值之间的最大偏差和标准均方根误差,相对于图估计法分别减少了0.028 4与0.032 8,相对于极大似然估计法分别减少了0.000 8与0.003 6。