PAC模型的迭代最小二乘法估计——以居民消费为例

PAC(polynomial adjustment costs)模型的一个重要特征是明确地将对未来事件的预期与由于调整成本而延迟的预期响应分开。这一特征要求利用PAC模型与非结构化的VAR组合预测的预期项估计出的动态调整模型与所利用的PAC模型本身必须一致。本文通过开发以E-QNEWTON算法为核心的迭代的最小二乘法,估计出了满足该一致性条件的PAC模型。将其与简化方法估计的模型进行对比显示:二者所估计的流动性约束家庭占比相似;前者估计的滞后项对消费调整的影响小于后者;它们的预测性能差异不大,前者的预测性能略微劣于后者。

用等厚薄层权重自适应迭代阻尼最小二乘法反演瑞雷波频散曲线

笔者在前人工作基础上提出的等厚薄层权重自适应迭代阻尼最小二乘法 ,能有效地解除对初始模型的依赖。理论模型与实际资料试算结果表明 ,用该算法对瑞雷波频散曲线进行反演 ,具有稳定性好、精度高、分辨能力强的特点 ,并能自动分层和反演地层参数。

自适应迭代最小二乘支持向量机回归算法

基于最小二乘支持向量机回归算法,本文在前期工作的基础上进行了扩展,提出了更加详尽的自适应迭代最小二乘支持向量机回归算法.与标准的LSSVR相比,本文提出的算法在学习新样本的时候利用了已有的学习结果,可以快速获得新的学习机.模拟结果表明,自适应迭代最小二乘支持向量机回归算法能够自适应地确定支持向量的数目,保留了QP方法在训练SVM时支持向量的稀疏性,在相近的回归精度下,该算法极大地提高了标准LSSVR学习的速度.

位场向下延拓的迭代最小二乘法

将位场向下延拓作为一种反问题,结合正则化方法和快速傅里叶算法的优点,本文提出了一种解决位场向下延拓问题的迭代最小二乘法,新方法将位场向下延拓问题转化为最小二乘问题,采用梯度下降法对最小二乘问题进行迭代求解,在迭代过程中,利用快速傅里叶变换方法解决了计算量大的问题,新方法对延拓数据中的噪声具有很好的抑制作用,利用不合噪声和含有噪声的模型数据对新方法进行了验证,结果表明新方法快速、稳定、抗干扰能力强,向下延拓距离大.

任意相移最小二乘法迭代的在线三维检测

为了简化采用满周期等相移算法的在线相位测量轮廓术(PMP)在实际测量过程中系统装调环节的繁杂程度,同时避免栅线方向和运动方向不严格平行引入附加相移降低解相精度,提出了基于最小二乘法迭代的在线三维检测方法。在测量过程中,任意栅线方向的正弦光栅被投影于物体表面,采用像素匹配技术获得不同时刻拍摄到的变形条纹图的等效相移条纹图,其相移量由投影系统和物体位移共同决定且为任意值。最后,采用最小二乘法迭代计算相位。实验结果表明:在不断改变投影到参考面上光栅栅线方向的情况下,该系统的测量结果稳定,均方根误差均不高于0.169 9mm。由于该方法放宽了测量系统空间位置的约束条件,提高了测量的灵活程度,使在线PMP更具普适性。

一种基于迭代最小二乘法的精确同步方法

最小二乘拟合鉴相曲线的方法可以实现精确同步,但其对粗同步要求苛刻且不能有效对抗频偏。该文通过分析证明当粗同步误差在前后各半个码片周期内时,最小二乘法的测量值介于零和实际值之间。根据该特性提出基于迭代最小二乘法的精确同步方法,并引入分段相关取模策略,以达到抗频偏效果。理论分析表明该方法能够有效消除噪声的影响,并且在分段长度不大的情况下具有很强的抗频偏能力。仿真结果表明该方法具有很强的抗频偏和抗噪声能力,并且在粗同步误差覆盖前后半个码片范围时依然具有很高的测量精度。

迭代广义最小二乘法的建立及其在重复测量数据中的应用

线性回归模型是处理两个或两个以上变量问线性依存关系的统计方法，是医学研究中最常用的统计学模型之一。在确定了线性回归模型的形式，又确定了自变量选取的情况下，就需要对模型的各个系数进行估计以及对系数估计值的统计学意义进行探讨，在临床研究中有时还需要对不同回归系数估计值之间的差异是否有统计学意义进行检验。

基于最优化的挠性转子动平衡迭代加权最小二乘法

＠朱利民＠贾民平＠朱向阳＠钟秉林￥东南大学机械工程系１引言为了提高机器的工作容量和效率，旋转机械的转子越来越往高速和细长的方向发展，转子的工作转速往往高于最低临界转速，这样的转子称为挠性转子。研究挠性转子的动平衡方法是转子动力学的一个重要内容［１］，现有的...

基于矢量基学习的自适应迭代最小二乘支持向量机回归算法

为增强最小二乘支持向量机（LS-SVM）回归建模的稀疏性、鲁棒性和实时性,在加权LS-SVM的基础上,提出了基于矢量基学习的自适应迭代回归算法。在训练过程中,该算法通过矢量基学习和自适应迭代相结合的方法得到1个小的支持向量集,同时采用加权方法确定权值以减小训练样本中非高斯噪声的影响。回归学习和动态系统辩识的仿真结果表明：在回归建模精度相似的情况下,该算法确定的支持向量为全部学习样本的4.9%~8.9%,训练时间为标准LS-SVM的0.011%~0.383%;由于能够鲁棒跟踪时变非线性系统的动态特性,适合在线实时训练;可进一步用于非线性系统的建模和实时控制研究。

用迭代最小二乘法辨识异步电动机漏抗

提出了迭代最小二乘寻优法辨识异步电动机漏抗的数学模型，采用ＭＡＴＬＡＢ语言编写了通用计算程序，估算鼠笼型异步电动机Ｔ型等效电路中的定、转子漏抗。该方法具有较高的计算精度、计算时间短及定、转子漏抗初值的变化对算法精度影响不大的特点。

基于最小二乘自适应迭代的宽带波束形成算法

大部分时域恒定束宽宽带波束形成算法的权值拟合运算量较大,导致实用性大大降低。本文给出一种基于最小二乘自适应迭代的恒定束宽波束形成器设计方法,同时将RLS迭代算法应用于滤波器组设计中。本文方法易于实现,不受阵形及阵元指向性限制,不受迭代步长影响,且能快速收敛。理论推导及仿真实验验证了本文方法的有效性。

基于迭代重加权最小二乘法的雨滴谱函数拟合研究

传统的雨滴谱函数的拟合方法在不同的降水类型和不同分布函数下,可能存在拟合出来的雨滴谱函数与实际数据差异过大的情况,基于此问题,本文提出一种基于迭代重加权最小二乘法(Iterative Reweighed Least Square,IRLS)的雨滴谱函数拟合方法。利用Parsivel激光雨滴谱仪2019年7—10月在海南安定获得的225组层状云降水样本和110组对流云降水样本数据进行实验,通过不断更新权值,迭代计算,从而求出待估计参数。模拟结果表明了该方法应用在不同降水类型和不同分布函数下,对比阶矩法和最小二乘法得到的拟合优度都是最接近1的。

迭代最小二乘法对静态单目标进行无源定位的初始值问题研究

介绍采用迭代最小二乘法对静态单目标进行无源定位的初始值估计问题。通过对到达角的处理以及结合传感器的位置,提取目标的粗位置信息,作为迭代计算的初始值,从而获得较高的定位精度。

层次分析中混合最小二乘法的收敛性迭代算法

混合最小二乘法是层次分析中的一种排序方法，它是由陈宝廉在文［１］中提出的．本文给出了此排序方法的一个收敛性迭代算法，并进行了算例分析．

使用迭代重加权最小二乘法求解平面度误差

提出了几何误差评定的迭代重加权最小二乘(IRLS—It鄄erativeReweightedLeastSquares)算法。该算法采用一个迭代过程求解一系列加权最小二乘问题,并在每一步迭代中按照一定的规则对权系数进行调整,使其逐步逼近最优拉格朗日乘子。对于用CMM(坐标测量机)和其他设备得到的数据,可得到平面度误差的精确值。

改进的鲁棒迭代最小二乘平面拟合算法

针对迭代特征值最小二乘法不具备鲁棒性,提出一种改进的统计分析方法,用于含有大量异常点的点云的平面拟合.首先由移动最小二乘法拟合抽样点的近邻域平面,采用最小平方中位数法选择拟合模型,将该模型作为初始模型调用迭代特征值最小二乘法对点集拟合,通过逐渐剔除异常点,不断精炼模型,最终得到较精确的平面模型.此算法克服了一般向后剔除方法的缺点,具有了鲁棒性,且不失原方法的精确性,同时提高了迭代收敛速度.

基于误差迭代补偿的干涉合成孔雷达四向加权最小二乘相位解缠法

相位解缠是干涉合成孔径雷达(In SAR)高程地形测量中的关键步骤之一。四向最小二乘法相比传统的两向最小二乘法,充分考虑了对角方向的相位信息,其解缠结果更接近真实值;但还是存在一定的误差。为了进一步提高解缠精度,提出了一种基于误差迭代补偿的四向加权最小二乘相位解缠法。通过利用缠绕相位二阶差分和梯度相关质量图的双重特性,来构建新的权重,能更好地修正坡度变化大的相位区域,抵消平滑作用,再采用误差迭代补偿机制,进一步提高解缠精度。实验结果表明,该方法有一定的优越性和可行性。

2－块AOR迭代解最小二乘问题的最优收敛性

讨论用２－块ＡＯＲ迭代法解大型稀疏最小二乘问题的收敛性，给出其收敛的充要条件及其收敛域．进而证明；当时，ＡＯＲ迭代矩阵的谱半径，它远比相应的最优２－块ＡＯＲ迭代矩阵的谱半径好得多．

附不等式约束的总体最小二乘迭代算法

基于惩罚函数和测量平差中权的思想,提出了附不等式约束的总体最小二乘平差模型,即利用惩罚函数对不等式约束方程构造约束权,通过零权和无限权将不等式约束转换为等式约束,从而将不等式约束平差准则转化为传统的测量平差准则。同时,根据非线性最小二乘平差理论,用构造结构矩阵的方法来顾及系数矩阵的结构性,推导了附不等式约束的总体最小二乘迭代算法。该算法迭代格式与传统的间接平差类似,只需经过若干次迭代便能得到最优解。

改进的迭代重加权最小二乘非凸压缩感知算法

非线性重构算法是压缩感知的三个主要研究内容之一。在详细分析了现有的迭代重加权最小二乘?_p优化方法的基础上,提出改进的迭代重加权最小二乘?_p范数最小化非凸压缩感知优化算法。实验结果表明,改进的算法拥有更高的成功重建百分比和重建速度,在同样稀疏度的情况下可以大大减少所需的测量次数,对于压缩感知的重建算法研究以及实际应用都具有重要的意义。