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。

基于TOA的迭代最小二乘定位算法研究

室内环境中基站与标签之间的距离会受到随机误差的影响,针对超宽带(UWB)系统的定位特性,提出了一种迭代加权最小二乘(IRLS)算法削弱测距随机误差的影响。首先,利用加权最小二乘算法获得标签的三维坐标。其次,通过构建中间变量,利用中间变量与位置坐标的关系构造迭代关系,并通过迭代计算提高标签三维坐标点位精度,得出最优解。仿真结果表明,在静态定位实验中,IRLS算法与经典最小二乘(LS)算法的平均点位误差分别为11.96 cm和13.42 cm,IRLS算法的定位结果优于LS算法;在动态定位实验中,经过卡尔曼滤波算法平滑处理后,IRLS算法的点位精度相比经典LS算法提升了12.82%。因此,IRLS算法可以显著提高UMB定位系统的点位精度。

基于迭代加权最小二乘的桥梁动态称重理论与试验研究

目前商用桥梁动态称重系统(weigh-in-motion systems,BWIM)大多基于Moses算法,虽然能高效快速地识别行驶于桥梁的车辆轴重,但轴重识别精度偏低。为解决这一问题,提出基于迭代加权最小二乘的桥梁动态称重(iteratively reweighted least squares,IRLS)算法。与Moses算法不同,IRLS算法考虑了荷载响应中存在的多种不确定性因素,为每个荷载响应值提供一个合适的权重系数,区分不同荷载响应对轴重识别的贡献度。首先,将迭代加权最小二乘引入桥梁动态称重,推导出相应的轴重识别计算公式;然后,通过车桥数值仿真模型,分别用IRLS算法和Moses算法识别轴重,对比分析两种算法的精度及影响因素;最后,基于怀化舞水五桥引桥的车桥动力试验,进一步验证IRLS算法用于桥梁动态称重的有效性和准确性。结果表明,IRLS算法能较合理地分配不同荷载响应对轴重识别的贡献度,在一定程度上提高车辆轴重识别的精度。

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。

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。

基于迭代最小二乘的水下三维高鲁棒性定位算法

为解决基于空间角信息水下3维定位中,闭式解算法中定位性能无法达到克拉默-拉奥界(CRLB)和牛顿迭代算法初始值选取问题,该文利用一种基于迭代最小二乘的高鲁棒性算法修正闭式解的残差项与选取迭代算法的初始值。利用伪线性加权最小二乘算法得到闭式解作为正则化修正迭代法的初始值,将迭代结果修正闭式解算法的残差项,通过迭代最小二乘法的交替运算,得到稳定精确的解。通过仿真验证了基于迭代最小二乘算法的高鲁棒性,消除伪线性加权最小二乘算法中残差项选取的不利影响,解决了迭代法初始值选取问题,得到与收敛情况下迭代法相近的定位性能。

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。

基于迭代重加权的子阵级MIMO雷达角度超分辨算法

针对子阵级多输入多输出(MIMO)雷达阵列孔径数量有限带来的高方向图旁瓣问题,构建了子阵级MIMO雷达收发信号和多子阵角度测量模型,提出了基于自适应迭代重加权(AIR)和p-范数约束下迭代重加权最小二乘(p-IRLS)的角度超分辨算法,分析了两种算法的计算复杂度。在仿真实验中验证了两种算法的性能,并对其在单目标和双目标、以及干扰环境检测中的效果进行了比较分析。仿真结果表明,AIR和p-IRLS算法能够有效降低子阵级MIMO雷达的方向图旁瓣电平,同时实现对目标的角度超分辨。和AIR算法相比,p-IRLS算法在低信噪比和邻近目标分辨性能更突出。

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。

基于共面直线迭代加权最小二乘的相机位姿估计

针对相机内参数已标定和未标定情况下的相机位姿求解,提出了基于共面直线迭代加权最小二乘的相机位姿估计算法。推导了关于相机焦距和位姿参数的线性方程,通过4条以上共面直线实现了相机位姿参数的线性解算;对参数线性解进行迭代加权最小二乘优化,得到更高精度的参数估计值和直线权值;最后,利用直线权值和欧式变换的保距性实现相机焦距的解算,得到了相机焦距和位姿参数的估计值。仿真实验表明:提出的算法在相机已标定,直线数为20,像点噪声方差为5pixel的情况下,角度误差小于0.2°,相对平移向量误差小于0.5%,耗时大约为1ms。真实数据实验表明,提出的算法可以获得与棋盘标定结果相近的精度。与现有算法相比,提出的算法抗噪性更好,精度更高,能够实现基于单幅图像的未标定相机的位姿估计。

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。

迭代再权共轭梯度q范数正则化线性最小二乘–支持向量机分类算法

L2范数罚最小二乘–支持向量机(least square support vector machine algorithm,LS–SVM)分类器是得到广泛研究和使用的机器学习算法,其算法中正则化阶次是事先给定的,预设q=2.本文提出q范数正则化LS–SVM分类器算法,0<q<∞,把q取值扩大到有理数范围.利用网格法改变正则化权衡参数c和正则化阶次q的值,在所选的c和q值上,使用迭代再权方法求解分类器目标函数,找出最小分类预测误差值,使预测误差和特征选择个数两个性能指标得到提高.通过对不同领域的实际数据进行实验,可以看到提出的分类算法分类预测更加准确同时可以实现特征选择,性能优于L2范数罚LS–SVM.

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。

加权最小二乘估计中选择权数的迭代算法

介绍了加权最小二乘估计的性质及其常见权数选择的方法,并给出评判一个好的二乘估计的标准,由此提出选择权数的迭代算法.

一种迭代加权最小二乘旁瓣抑制滤波器设计

二相码信号是一类常见的脉冲编码信号,但码较短时,匹配滤波的主副比不高,需要采用旁瓣抑制技术。通过迭代加权最小二乘算法对旁瓣抑制滤波器的最小二乘解进行优化,选择合适的终止条件,只需几步就能达到最优解。分析该算法应用于m序列需要满足的条件,及PSL、ISL与滤波器长度的关系,并给出计算机仿真结果。

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．