导读:本文包含了方差参数论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:方差,参数,协方差,模型,稀疏,矩阵,小二。
方差参数论文文献综述
朱文强,林梅芬,陈婷[1]（2019）在《基于拉格朗日乘子协方差矩阵的电力系统多个不良参数辨识研究》一文中研究指出提出了一种基于拉格朗日乘子LagM协方差矩阵的多个不良参数辨识方法,用于甄别电力系统的多个不良参数。该方法先利用归一化LagM定位可疑参数,再通过LagM的协方差矩阵划分不同参数群,并将所有参数群中归一化LagM最大者对应的参数标记为不良参数。因为每个参数群均对应一个不良参数,从而实现系统中多个不良参数的辨识,同时采用不断修正和不断估计的手段,直至系统中不存在不良参数。最后通过IEEE14节点所构建的算例验证了所提方法的有效性。(本文来源于《智慧电力》期刊2019年09期）
位寅生,周希波,刘佳俊[2]（2019）在《稳健的基于参数化协方差矩阵估计的空时自适应处理方法》一文中研究指出参数化协方差矩阵估计(Parametric Covariance Matrix Estimation,PCE)方法利用雷达系统参数估计杂波协方差矩阵(Clutter Covariance Matrix,CCM),显着提升非均匀环境下空时自适应处理(Space-Time Adaptive Processing,STAP)的性能;但是在系统参数和杂波分布存在误差情况下,性能下降严重.本文提出一种稳健的基于PCE方法的STAP杂波抑制方法.首先利用稀疏恢复方法与Radon变换估计杂波分布,然后提出一种归一化广义内积统计量修正杂波的分布,最后利用PCE方法估计CCM并进行STAP杂波抑制.通过分析舰载高频地波雷达仿真和实测数据处理结果表明:所提方法的稳健性大幅提升,相比稀疏恢复STAP方法和前后向空时平滑STAP方法滤波器凹口更加准确且更深,在有效抑制杂波的同时更利于慢速目标的检测.(本文来源于《电子学报》期刊2019年09期）
周茂袁,刘志敏,罗晓[3]（2019）在《用于监控均值和方差的非参数变点模型》一文中研究指出统计过程控制被广泛应用于工业过程,服务领域和其他行业.尽管在特定过程的情况下参数控制图是有效的,但通常情况下都没有足够的信息确定过程分布,所以在此情况下非参数控制图是必要的.但大多非参数控制图要么是监控位置参数的,要么是监控尺度参数的,而不是既可以监控位置参数又可以监控尺度参数的.通过整合Wilcoxon秩和检验和Ansari-Bradley检验到变点模型,提出了一个新的非参数控制图,并且模拟结果也展现了该控制图在探测位置和尺度漂移时,是优于其他的非参数控制图的.(本文来源于《南开大学学报(自然科学版)》期刊2019年04期）
武新乾,程芳,徐珍[4]（2019）在《相依误差下异方差非参数回归模型的样条估计》一文中研究指出一些经济金融等实际数据中含有非线性趋势、异方差和相依关系,固定设计和相依误差下的异方差非参数回归模型因其能够反映这些数据特征而有着重要的应用.样条方法是常用的非参数光滑方法之一.为了探究样条方法在这类模型中的可用性,本文在α-混合条件下,讨论了均值函数和方差函数的多项式样条估计的逐点相合性,得到了逐点收敛速度.此外,还对所讨论的方法进行了数值模拟,结果表明样条方法在这类模型的应用中是可行的.(本文来源于《工程数学学报》期刊2019年03期）
郭雅静[5]（2019）在《基于非参数方法的异方差估计研究》一文中研究指出在经典的线性回归中,通常假设各个随机误差项的方差相等.然而,在对截面数据等实际问题进行研究时,无法使这一假设得到很好的保证,即随机误差项具有异方差性.当模型中出现异方差问题时,会对其之后的检验分析造成影响.因此,解决这一问题,关键是要找到恰当的异方差处理方法.解决异方差问题常用的方法是广义最小二乘法,当误差项的协方差阵已知时,将其称为加权最小二乘法(简记为WLS),因此,WLS方法仅适用于已知形式的异方差模型.而在一般情况下,误差项的方差未知,因此估计加权最小二乘法(EWLS)应用较广.由于在异方差的构成形式未知时,非参数方法给出了方差更优的估计,因此,本文在协方差阵的估计中考虑到了非参数估计.在异方差模型中,若仍应用普通最小二乘法(OLS)对回归系数进行估计,虽然估计量仍能保证有效性,但是,其协方差阵估计不再是无偏估计,进而会对模型的假设检验产生影响.为解决这一问题,国内外学者提出了异方差一致协方差阵估计(HCCMEs)方法,包括HC0,HC1,HC2,HC3,HC4等等,作为参数协方差阵的一致估计量,这些方法在现代各类研究中都得到了广泛的应用.基于HCCMEs的构造方法,从EWLS的残差出发得到的加权异方差一致协方差阵估计(WHCCMEs),在模型检验中效果更优,但权函数的选择比较局限,并且仅给出了WHC0,WHC1,WHC2和WHC3四种形式,不够全面,可以进一步完善和扩充.考虑到HCCMEs方法是通过OLS估计的残差项导出的,而该估计受到观测值中异常值的影响,稳健性不高.因此,在异方差下,并且样本中有异常值时,HCCMEs中的一些估计量在回归系数的检验中稳健性也会较低.基于这一不足,并结合非参数估计方法的有效性,本文对其进行了拓展.本文所做的工作如下:首先,基于N-W估计,提出了一种新的估计方法—KNW方法,并对其进行了随机模拟和案例分析,证明了该方法的精确性.其次,对误差项的协方差阵给出了四种非参数估计,进而应用不同的权函数矩阵得到了回归系数的估计加权最小二乘估计(EWLS),对比了不同方法下模型的检验效果,并提出了新的加权异方差一致协方差阵估计.考虑到协方差阵的估计的稳健性因素,介绍了回归系数的稳健估计,中位数最小二乘(LMS)和截尾最小二乘(LTS),并结合非参数方法提出了两种稳健的异方差一致协方差阵估计.通过模拟实验和实例分析验证了这两种方法的稳健性.最后,对通篇文章进行总结展望,并说明了未来研究的重点.(本文来源于《山西大学》期刊2019-06-01）
李令青,辛涛,刘彦楼,赵海燕[6]（2019）在《认知诊断模型中项目参数的方差-协方差矩阵估计方法比较:Bootstrap与解析法》一文中研究指出认知诊断模型中,项目参数的方差-协方差矩阵具有很重要的作用。作为一种非参数化的方差-协方差矩阵估计方法,Bootstrap法的一个主要优势在于它不需要解析推导。比较认知诊断模型中基于解析法的经验交叉相乘信息矩阵、观察信息矩阵和叁明治协方差矩阵法,与Bootstrap法在估计项目参数标准误时的表现,模拟结果显示,认知诊断模型及Q矩阵正确设定或是模型中错误设定较少时,解析法的表现优于Bootstrap法,只有在样本量N=5000的条件下,Bootstrap法的表现才基本与解析法接近;当模型中错误设定较多时,Bootstrap法也没有表现出明显的稳健性。因此,在认知诊断模型中,推荐使用基于解析法的方差-协方差矩阵估计方法,尤其是叁明治协方差矩阵法;当没有现成的基于解析法的方差-协方差矩阵估计方法可用时,Bootstrap法可以作为一种粗略的估计方法使用,尤其是在样本量较小的情况下。(本文来源于《教育测量与评价》期刊2019年04期）
李梦雅[7]（2019）在《一种随机微分方程随机项方差的参数估计方法》一文中研究指出目前,随机微分方程已在经济,物理,生物等领域广泛应用。随机微分方程的引入不仅对确定性的模型所存在的不足进行了补充,而且更加准确地反映了这些现象本质的规律,而随机微分方程参数估计问题是随机微分方程研究的重要内容,这方面研究对随机微分方程应用具有重要意义。首先,本文利用样本数据通过最小二乘法给出了随机微分方程中随机项标准差的估计方法,并对该方法进行了数值模拟,模拟结果表明:当时间At越小时,所估计的随机项标准差误差越小,当△t=0.1,0.2,0.3,0.5时,随机项标准差误差分别为0.0291,0.1206,0.1119,0.7449,说明当△t很小时,该方法是可行的。其次,利用样本数据通过岭估计法给出了随机微分方程中随机项标准差的估计方法,并对该方法进行了数值模拟,模拟结果表明:当时间△t越小时,所估计的随机项标准差误差越小,当△t=0.1,0.2,0.3,0.5时,随机项标准差误差分别为0.0037,0.0517,0.0351,0.0732,在相同条件下,岭估计的估计结果好于最小二乘估计。最后,本文建立了基于随机微分方程的可燃物含水率模型,通过可燃物含水率模型随机项标准差指标来反映不同林分对整个含水率随机影响的大小,并通过野外样地采样数据分别利用最小二乘估计法和岭估计法估计可燃物含水率模型中的随机项标准差,其结果跟实际相符,说明本文给出的估算随机微分方程中随机项标准差的方法是可行的。(本文来源于《东北林业大学》期刊2019-04-01）
王悦斌,张建秋[8]（2019）在《时频信号的非参数加窗稀疏协方差迭代分析法》一文中研究指出针对多分量非平稳时频信号的分析,提出了一种非参数加窗稀疏协方差迭代分析(Sparse Iterative Covariance-based Estimation,SPICE)法。该方法通过引入局部化的窗函数,并在窗内对信号建立非参数化的时频模型,以获取非平稳信号的局部时频特性。分析表明:给出的非参数时频模型,可通过加权最小二乘(Weighted Least Square,WLS)进行求解。当将WLS的加权矩阵的构建问题转换为广义噪声协方差矩阵时,提出的模型也可借助于加窗SPICE方法来进行求解。分析和仿真均表明:与传统方法相比,提出方法具有噪声抑制能力强、能量集中度高和对于载频差异较小信号的分离效果佳等优点。(本文来源于《飞控与探测》期刊2019年01期）
朱莹,陈萍[9]（2019）在《运用贝叶斯方法的混合异方差模型的参数估计》一文中研究指出介绍了混合正态广义自回归条件异方差模型的基本特征,推导出在风险中性测度下模型的变化。用贝叶斯方法进行参数估计,从而形成一种新的组合方法。利用上证50ETF2017. 01—2017. 12的历史数据进行实证分析,结果表明:采用这种新的组合方法对收益率时间序列数据进行估计,不仅可以有效地估计出模型的参数,而且在应用于我国上证5OETF期权时误差效果也比较好。(本文来源于《重庆理工大学学报(自然科学)》期刊2019年01期）
李双双,吴刘仓,戴琳[10]（2019）在《联合均值与方差混合专家回归模型的参数估计》一文中研究指出在社会、经济领域中存在大量来自异质总体的异方差数据.本文针对异质总体的异方差数据,研究提出联合均值与方差混合专家回归模型,该模型同时对感兴趣的均值、方差和混合比例参数建模,可以概括和描述众多的实际问题.然后,利用EM算法和MM算法给出该模型的最大似然估计,进而通过Monte Carlo随机模拟来验证所提出的方法的有效性.最后,本文结合实际数据AQI(空气质量指数)说明模型的实用性和可行性.(本文来源于《应用数学》期刊2019年01期）
方差参数论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
参数化协方差矩阵估计(Parametric Covariance Matrix Estimation,PCE)方法利用雷达系统参数估计杂波协方差矩阵(Clutter Covariance Matrix,CCM),显着提升非均匀环境下空时自适应处理(Space-Time Adaptive Processing,STAP)的性能;但是在系统参数和杂波分布存在误差情况下,性能下降严重.本文提出一种稳健的基于PCE方法的STAP杂波抑制方法.首先利用稀疏恢复方法与Radon变换估计杂波分布,然后提出一种归一化广义内积统计量修正杂波的分布,最后利用PCE方法估计CCM并进行STAP杂波抑制.通过分析舰载高频地波雷达仿真和实测数据处理结果表明:所提方法的稳健性大幅提升,相比稀疏恢复STAP方法和前后向空时平滑STAP方法滤波器凹口更加准确且更深,在有效抑制杂波的同时更利于慢速目标的检测.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
方差参数论文参考文献
[1].朱文强,林梅芬,陈婷.基于拉格朗日乘子协方差矩阵的电力系统多个不良参数辨识研究[J].智慧电力.2019
[2].位寅生,周希波,刘佳俊.稳健的基于参数化协方差矩阵估计的空时自适应处理方法[J].电子学报.2019
[3].周茂袁,刘志敏,罗晓.用于监控均值和方差的非参数变点模型[J].南开大学学报(自然科学版).2019
[4].武新乾,程芳,徐珍.相依误差下异方差非参数回归模型的样条估计[J].工程数学学报.2019
[5].郭雅静.基于非参数方法的异方差估计研究[D].山西大学.2019
[6].李令青,辛涛,刘彦楼,赵海燕.认知诊断模型中项目参数的方差-协方差矩阵估计方法比较:Bootstrap与解析法[J].教育测量与评价.2019
[7].李梦雅.一种随机微分方程随机项方差的参数估计方法[D].东北林业大学.2019
[8].王悦斌,张建秋.时频信号的非参数加窗稀疏协方差迭代分析法[J].飞控与探测.2019
[9].朱莹,陈萍.运用贝叶斯方法的混合异方差模型的参数估计[J].重庆理工大学学报(自然科学).2019
[10].李双双,吴刘仓,戴琳.联合均值与方差混合专家回归模型的参数估计[J].应用数学.2019
论文知识图
