聚集数据线性模型中广义岭估计相对效率问题

对于聚集数据的线性模型,给出了参数的广义岭估计及改进的广义岭估计的定义,并提出了广义岭估计及改进的广义岭估计在推广的欧氏模之比意义下及加权欧氏模之比意义下的二种相对效率。分别对广义岭估计及改进的广义岭估计,得到了两种相对效率的上界。     

相依回归系统参数的一种有偏估计

对二个相依回归方程组相的线性系统,提出了两种新的有偏估计－广义岭型协方差改进估计和广义岭型两步协方差改进估计。讨论了这两种估计的优良性质,给出了这两种估计是岭型协方差改进估计和岭型两步协方差改进估计的推广。     

线性模型中回归系数的c-F(K)型估计的研究和应用

针对引起线性回归模型最小二乘估计性能变坏的根本原因,在线性回归模型中提出了一种新的有偏估计β^(F(K))=(cX'V-1X+TF(K)T')-1X'V-1Y,它将众多经典的有偏估计结合在一起,对有偏估计进行了改进.首先利用Stine式压缩技术说明在均方误差意义下β(F(K))=(cX'V-1X+TF(K)T')-1X'V-1Y,它将众多经典的有偏估计结合在一起,对有偏估计进行了改进.首先利用Stine式压缩技术说明在均方误差意义下β^(F(K))具有优于广义岭估计的优良性质,然后将β(F(K))具有优于广义岭估计的优良性质,然后将β^(F(K))应用到多元线性回归模型的可容许性上.     

聚集数据广义线性模型参数的估计

对于聚集数据的广义线性模型:Y=Xβ u,Eu=0,Var(u)=σ2∑,提出了二种有偏估计:岭估计β(k)与改进岭估计β(k)。在均方误差意义下,研究了它们的优良性,并将岭估计与改进岭估计进行了比较,推广了有关文献中的结果。     

智能配电网状态估计方法研究现状分析

状态估计对智能电网的安全稳定运行起着非常重要的作用,输电网成熟的状态估计方法无法直接应用于配电网,因此配电网状态估计方法的研究仍处于初步阶段。通过分析和总结智能配电网状态估计方法的研究现状,为智能配电网状态估计技术的发展提供指导。首先,论述配电网状态估计的几种常用算法,包含静态、动态状态估计算法,并介绍几种改进的状态估计算法;其次,采用主要的算法对四节点系统进行建模仿真。仿真结果表明,改进算法估计精度高、使用内存小、计算速度快,估计结果可信度高,具有很好的实用价值。最后,对智能配电网状态估计下一步研究方向进行展望。     

回归系数的t-k类估计

在线性回归中,当设计矩阵的列向量间存在复共线性时,回归系数的最小二乘估计的性质显著变坏.为了消除或减弱复共线性对参数估计的影响,以获得更高精度的参数估计,在均方误差矩阵意义下,提出了回归系数的一类新的估计,即t-k类估计,它是对最小二乘估计的改进,是一种新的压缩有偏估计.并且与最小二乘(LS)估计、岭估计和主成分估计进行比较,给出了在均方误差矩阵意义下,t-k类估计优于这些估计的充要条件以及这些条件的检验方法.     

回归系数的t-k类估计

在线性回归中，当设计矩阵的列向量间存在复共线性时，回归系数的最小二乘估计的性质显著变坏．为了消除或减弱复共线性对参数估计的影响，以获得更高精度的参数估计，在均方误差矩阵意义下，提出了回归系数的一类新的估计，即t—k类估计，它是对最小二乘估计的改进，是一种新的压缩有偏估计．并且与最小二乘（LS）估计、岭估计和主成分估计进行比较，给出了在均方误差矩阵意义下，t—k类估计优于这些估计的充要条件以及这些条件的检验方法．     

（LG）型参数估计的若干讨论

在已知（LG）型参数的最小二乘估计与GM估计的基础上，本文提出了改进最小二乘估计的两大估计－－Stein硎主成分估计，这是线性模型参数估计的重要问题，而改进（LG）型参数的最小二乘估计的专题研究，至今还是一个有待进一步深入垢新论题，本文只是初步结果。     

相依回归系统参数的一种新的有偏压缩估计

对于一类相依回归系统,结合广义岭型协方差改进估计与Ste in估计,提出了一种新的有偏压缩估计,,并讨论了该估计在均方误差下的优良性质.     

一类相依回归模型参数的组合主成分改进估计

针对两个相依方程组成的一类回归模型,提出回归系数的一种组合主成分改进估计方法,在均方误差意义下讨论了这种估计量的优良性质,研究了此估计与主成份改进估计的关系.     

平衡损失下双h型岭估计的优良性

讨论了在平衡损失下双h岭估计的优良性问题,给出了平衡损失下双h岭估计的风险函数的表达式,并得到了在损失下该非线性估计对于普通的最小二乘估计的一致优良性的一个充分条件.     

聚集数据的线性模型参数的有偏估计

对于聚集数据的线性模型,提出了二种有偏估计,在均方误差(MSE)意义下,讨论了它们的优良性质,并将这二种估计进行了比较.本文提出的估计,优于有关文献中的结果.     

基于偏最小二乘回归的个人化与头相关传递函数

为了通过相对简单的测量得到特定人的与头相关传递函数（HRTF）,通过对已测量HRTF的预处理及主元分析和对人体参数的筛选,提出了一种基于偏最小二乘回归（PLSR）的HRTF个人化方法。并进行了客观误差分析和主观声音定位测试。结果表明估计的HRTF与实际测量的HRTF之间不仅均方误差较小,而且在感知方面也没有太大区别;同时由PLSR估计得到的个人化HRTF在水平面上的主观测试定位准确率明显优于非个人化HRTF,也优于由最小二乘回归（LSR）得到的个人化HRTF。     

奇异线性模型中最小二乘估计效率的一个注记

考虑奇异线性模型:Yn×1=Xn×pβp×1+εn×1,E(ε)=0,cov(ε)=∑,设β*=(X＇∑+X)+X＇∑+Y,β=(X＇X)+X＇Y。当∑≥0和rank(X)=p时,定义最小二乘估计β与最佳线性无偏估计β*相对效率为e4(β*/β)=||cov(β*)||／||cov(β)||。当∑≥0和rank(X)＜p时,对可估函数c＇β自然考虑两种估计的方差之比的下界,提出的相对效率为e5(β*/β)=var(c＇β*)／var(c＇β)。在μ(X)(?)μ(∑)条件下,给出了它们的下界。关于相对效率的讨论通常有∑＞0的假定,利用矩阵分析的方法将协方差矩阵∑＞0推广至∑≥0的情形,从而包含了Bloomfield-Watson的结果以及推广了Kantorovich不等式。     

Thrust estimator design based on least squares support vector regression machine

In order to realize direct thrust control instead of traditional sensor-based control for aero-engines,it is indispensable to design a thrust estimator with high accuracy,so a scheme for thrust estimator design based on the least square support vector regression machine is proposed to solve this problem. Furthermore,numerical simulations confirm the effectiveness of our presented scheme. During the process of estimator design,a wrapper criterion that can not only reduce the computational complexity but also enhance the generalization performance is proposed to select variables as input variables for estimator.     

一类非线性参数模型的广义矩估计法

利用广义矩估计法对一类非线性参数模型yi=g（xi,β）＋ei,E（ziei）=0的参数β进行估计并在此基础上讨论了此估计的渐进正态性.     

多速率DS-CDMA信号信道参数的估计

在CDMA通信系统中，信道参数的估计，特别是信号传输时延的估计是一个重要问题，但是在异步CDMA通信系统中，传输时延和幅度的估计会受到远近效应的影响。文中使用最大似然（ML）估计，实现了多速率DS-CDMA信号的信道参数估计。仿真结果表明，该算法可有效估计多速率DS-CDMA信号的幅度和其相对时延，对远近效应稳健，其性能接近Cramer-Rao界（CRB），远优于传统的滑动相关估计方法。     

非线性部分最小二乘方法用于推断估计器设计

针对工业过程中某些变量难于在线测量的问题,提出一种基于人工神经网络（ANN）的非线性部分最小二乘的推断估计策略。首先对历史数据进行部分最小二乘回归分析,提取特征信息。然后用神经网络建立主元之间的内部非线性关系,得到产品质量的非参数模型。仿真结果表明：该推断估计器具有良好的跟踪速率和较高的估计精度,其性能优于基于原始人工神经网络推断估计器的性能。