協(xié)方差
- 基于誤差電壓協(xié)方差的兩電平開路故障診斷
種基于誤差電壓協(xié)方差來診斷兩電平變流器IGBT開路故障的方法，具體如下：通過兩種途徑（脈沖電壓預(yù)測法和真實電路求解法）求出IGBT正常和開路時對應(yīng)輸出線電壓誤差。其中脈沖電壓預(yù)測法假設(shè)某橋臂兩個IGBT分別開路，并根據(jù)脈沖和電流回路，推導(dǎo)對應(yīng)的故障線電壓誤差表達(dá)式；真實電路求解法通過電路理論求出真實的電壓誤差解析式。引入協(xié)方差相關(guān)系數(shù)來分析和比較兩種途徑得出的電壓誤差的相似度，并根據(jù)相似度最大值判定具體開路故障位置。最終通過實驗驗證了此方法的有效性。關(guān)鍵詞
機電信息 2023年12期2023-06-21
- 基于均值未知的高維協(xié)方差矩陣的估計
均值未知的高維協(xié)方差矩陣的估計陳艷真，李樹有（遼寧工業(yè)大學(xué) 理學(xué)院，遼寧 錦州 121001）給出了一種基于均值未知情形下，高維協(xié)方差矩陣估計的新算法。即當(dāng)矩陣的維數(shù)大于樣本容量時，根據(jù)隨機矩陣?yán)碚?，通過樣本協(xié)方差矩陣特征值的邊緣密度函數(shù)和總體特征值的對數(shù)似然函數(shù)，得到目標(biāo)矩陣特征值的估計量。基于收縮估計的思想，對目標(biāo)矩陣特征值和樣本協(xié)方差矩陣特征值進(jìn)行收縮估計，通過特征值的估計得到高維協(xié)方差矩陣的一個新的估計量。數(shù)值模擬表明，對于多元正態(tài)的總體，高維協(xié)方
- 基于最大平均協(xié)方差的雷達(dá)波束調(diào)度算法研究
[7]提出一種協(xié)方差控制技術(shù)，可以解決不同目標(biāo)所需跟蹤精度不同的問題，該方法旨在減小各個目標(biāo)的跟蹤誤差協(xié)方差(目標(biāo)實際協(xié)方差與期望協(xié)方差之間的差值，不同目標(biāo)精度有著不同的跟蹤誤差協(xié)方差)來控制雷達(dá)波束的調(diào)度，其中，LU等[8]提出了優(yōu)化協(xié)方差誤差的方法，該方法雖然解決了不同目標(biāo)需不同跟蹤精度的問題，但存在一個缺陷即每次僅優(yōu)化多個目標(biāo)中誤差最小的目標(biāo)，這可能會造成其他目標(biāo)的誤差一直處于積累狀態(tài)，最終導(dǎo)致其中某一個目標(biāo)在跟蹤過程中丟失的情況出現(xiàn)。因此，本文提出
電光與控制 2023年1期2023-02-13
- 基于自適應(yīng)漸消Sage-Husa 擴展卡爾曼濾波的協(xié)同定位算法
算法可以對噪聲協(xié)方差矩陣進(jìn)行自適應(yīng)調(diào)整，實時估計噪聲，但也存在諸多缺點，例如濾波易發(fā)散，影響定位精度；計算量過大，對操作系統(tǒng)硬件要求過高；過程噪聲矩陣的正定性[9-11]難以得到保證。本文擬提出一種基于自適應(yīng)漸消Sage-Husa擴展卡爾曼濾波算法。首先，對Sage-Husa 量測噪聲協(xié)方差矩陣進(jìn)行改進(jìn)；其次，再通過漸消記憶指數(shù)加權(quán)得到新息的協(xié)方差估計值，以提高新近數(shù)據(jù)的利用率；然后，引入漸消因子來調(diào)整誤差協(xié)方差矩陣，以提高濾波器的精確性和自適應(yīng)性；最后，
中國艦船研究 2022年4期2022-09-06
- 一類條件協(xié)方差估計及其大樣本性質(zhì)
，考慮X的條件協(xié)方差矩陣，即ΣXX(u)=cov(X|U=u)當(dāng)p=1時，條件協(xié)方差矩陣特殊化為條件方差Var(X|U=u)．條件方差及協(xié)方差函數(shù)的估計已在文獻(xiàn)[1-6]中有較為詳細(xì)討論．依據(jù)ΣXX(u)=E((X-mX(u))((X-mX(u))T|U=u)，其中mX(u)=E(X|U=u)文獻(xiàn)[7]通過極小化擬似然函數(shù)：構(gòu)造ΣXX(u)的估計量：其中mX(u)的N-W核估計量為ΣXX(u)=E(XXT|U=u)-mX(u)mX(u)T故一種顯而易見的核
西南大學(xué)學(xué)報（自然科學(xué)版） 2021年11期2021-11-11
- 基于均勻圓陣偽協(xié)方差矩陣的單快拍測向方法
要求接收數(shù)據(jù)的協(xié)方差矩陣的秩等于信源個數(shù),需要較多的快拍數(shù)來求得信號子空間和噪聲子空間從而提高估計的精準(zhǔn)度[10],是DOA估計常見的兩類算法。在軍事對抗過程中,信號出現(xiàn)的時間往往較短而且具有較快的跳變速度,使得信號難以被偵察到,以及其他要求系統(tǒng)具有很高的實時性和一些物理限制的場景,這意味著DOA估計使用的快拍數(shù)只能很少,甚至在最壞的情況下只有單快拍[11]。單快拍測向是短快拍測向的極限情況,近年來在傳統(tǒng)多快拍陣列測向的基礎(chǔ)上,國內(nèi)外學(xué)者同樣對其進(jìn)行了廣泛
系統(tǒng)工程與電子技術(shù) 2021年10期2021-11-11
- 基于無截斷Bartlett核估計的函數(shù)重構(gòu)方法及其應(yīng)用
譜分解方法，對協(xié)方差函數(shù)進(jìn)行分解，得到正交特征函數(shù)（函數(shù)主成分），再利用K-L 展開式來重構(gòu)函數(shù)曲線[11-12].外生基函數(shù)的重構(gòu)方法與數(shù)據(jù)本身無關(guān)，而內(nèi)生的函數(shù)主成分方法是數(shù)據(jù)本身驅(qū)動的，所以該方法越來越受專家學(xué)者青睞.然而，實際的數(shù)據(jù)分析中，經(jīng)常會收集到一些函數(shù)型數(shù)據(jù)，由于系統(tǒng)慣性或時間上的延續(xù)性等原因，它們之間具有一定的相依性，比如經(jīng)濟(jì)金融等領(lǐng)域的高頻數(shù)據(jù).此時，樣本協(xié)方差函數(shù)不再是總體協(xié)方差函數(shù)的一致估計量.如果還利用獨立同分布下的協(xié)方差函數(shù)計算
閩南師范大學(xué)學(xué)報(自然科學(xué)版) 2021年2期2021-06-29
- 利用振動響應(yīng)協(xié)方差參數(shù)和數(shù)據(jù)融合的損傷識別方法
結(jié)構(gòu)加速度響應(yīng)協(xié)方差和應(yīng)變響應(yīng)協(xié)方差參數(shù)以及基于貝葉斯估計的數(shù)據(jù)融合理論進(jìn)行結(jié)構(gòu)損傷判定和損傷位置識別，理論推導(dǎo)證明響應(yīng)協(xié)方差參數(shù)是結(jié)構(gòu)模態(tài)參數(shù)的函數(shù)，結(jié)構(gòu)損傷會導(dǎo)致響應(yīng)協(xié)方差參數(shù)的改變，當(dāng)只使用結(jié)構(gòu)損傷前后的響應(yīng)協(xié)方差參數(shù)，不使用結(jié)構(gòu)分析模型進(jìn)行結(jié)構(gòu)損傷識別時，損傷向量會受到激勵位置、測試噪聲和誤差等的影響，所以使用貝葉斯數(shù)據(jù)融合理論，對來自多種傳感器和多種測試環(huán)境下得到的多組損傷向量進(jìn)行數(shù)據(jù)融合，以提高損傷識別的精度;利用一個七層框架結(jié)構(gòu)進(jìn)行包括單損傷
振動工程學(xué)報 2021年1期2021-06-06
- 未知噪聲協(xié)方差的自適應(yīng)容積卡爾曼濾波
到具有精確統(tǒng)計協(xié)方差的系統(tǒng)噪聲[2]。同時在機動目標(biāo)跟蹤系統(tǒng)中涉及到時變噪聲協(xié)方差，傳統(tǒng)的濾波算法無法滿足要求[3]。因此，為了處理噪聲協(xié)方差的不確定性，需要高性能的自適應(yīng)濾波算法。容積卡爾曼濾波(Cubature Kalman Filter，簡稱CKF)是一種新型高斯濾波算法，為非線性系統(tǒng)的狀態(tài)估計提供新的實現(xiàn)方式，利用球面—徑面積分準(zhǔn)則計算非線性變換后隨機變量的均值和協(xié)方差，采用一組等權(quán)值的容積點對最優(yōu)狀態(tài)的后驗分布進(jìn)行逼近。由于CKF將采樣點都設(shè)置在
空軍工程大學(xué)學(xué)報 2021年2期2021-05-29
- 矩陣分塊方法在協(xié)方差矩陣中的應(yīng)用
215009）協(xié)方差矩陣是多元統(tǒng)計學(xué)中的基本概念，它反映多變量之間的線性相關(guān)性及變量分布離散程度。 方差測量單個隨機變量的變化（比如一個群體中人的身高變化），而協(xié)方差則是衡量兩個隨機變量的變化程度（如一個群體中的一個人的身高和體重的變化情況）。 Magnus J R 在1978 年提出了在干擾協(xié)方差矩陣中具有未知參數(shù)的GLS 模型的最大似然估計[1]，Meng X 等人在1991 使用EM 獲得漸近方差協(xié)方差矩陣[2]，Odell P L等人在1966 年
蘇州科技大學(xué)學(xué)報(自然科學(xué)版) 2021年1期2021-03-24
- 基于距離較差法控制點穩(wěn)定性分析
制點坐標(biāo)分量的協(xié)方差以及不同控制點之間的協(xié)方差[2-7]。本文在三維無約束平差的基礎(chǔ)上，顧及控制點坐標(biāo)分量間方差和協(xié)方差進(jìn)行分析計算，進(jìn)而對控制點進(jìn)行穩(wěn)定性分析。1 固定一點一方向平差GNSS 網(wǎng)的約束平差中所采用的觀測量為GNSS基線向量，同時引入了會使GNSS 網(wǎng)的尺度和方位發(fā)生變化的外部起算數(shù)據(jù)。引入邊長、方向或兩個及兩個以上的起算點坐標(biāo)，可能會使GNSS 控制網(wǎng)的尺度或方位發(fā)生變化。GNSS 網(wǎng)的約束平差常被用于實現(xiàn)GNSS 控制網(wǎng)由基線解算時所用
地理空間信息 2021年2期2021-03-06
- 一種基于決策樹和詞義相似度的N1+N2結(jié)構(gòu)語法關(guān)系判定方法
確。為此，通過協(xié)方差計算變換矩陣，提供一種變換矩陣消除隨機變量之間相關(guān)關(guān)系的方法，通過spss25進(jìn)行實證分析，最后發(fā)現(xiàn)通過矩陣變換變換后的數(shù)據(jù)t檢驗的顯著性值明顯降低。關(guān)鍵詞：多重共線性;協(xié)方差;顯著性;中圖分類號：O212.4 ? ? ?文獻(xiàn)標(biāo)識碼：A 多重共線性是指在所構(gòu)建的模型中，解釋變量之間存在的高度相關(guān)關(guān)系或近似相關(guān)關(guān)系[1]。做模型預(yù)測時，一般均是建立函數(shù)模型，其前提條件是解釋變量之間都不具有相關(guān)性、不存在多重共線性，但在實際建模過程中，拿到
計算技術(shù)與自動化 2021年4期2021-01-06
- 基于非線性壓縮估計的投資組合優(yōu)化模型在A股市場的實證
量以及收益率的協(xié)方差矩陣。Merton（1980）指出，資產(chǎn)收益率均值的估計誤差對投資組合最優(yōu)權(quán)重有著更大的影響，現(xiàn)在大多研究多采用最小方差投資組合模型，其只需要估計出資產(chǎn)收益率的協(xié)方差矩陣。估計協(xié)方差矩陣的一種重要思路是使用壓縮估計量，Ledoit和Wolf（2013，2014，2017b）分別提出了協(xié)方差矩陣的線性壓縮估計量和非線性壓縮估計量，本質(zhì)是將樣本協(xié)方差矩陣的特征值進(jìn)行壓縮。Ledoit and Wolf（2017b）發(fā)現(xiàn)非線性壓縮估計量在美股
環(huán)球市場 2020年32期2021-01-06
- 基于核數(shù)據(jù)調(diào)整基準(zhǔn)例題的235U協(xié)方差數(shù)據(jù)測試
413)核數(shù)據(jù)協(xié)方差是評估核裝置設(shè)計不確定度的重要輸入，直接影響核裝置設(shè)計積分參數(shù)不確定度評估的質(zhì)量。核數(shù)據(jù)協(xié)方差也是核數(shù)據(jù)調(diào)整的重要輸入，直接影響核數(shù)據(jù)調(diào)整的結(jié)果[1-2]。雖然很難精確評價核數(shù)據(jù)的協(xié)方差，但仍需給出對不確定度的合理估計，以提高設(shè)計不確定度評估結(jié)果和核數(shù)據(jù)調(diào)整結(jié)果的可靠性。核數(shù)據(jù)重點實驗室開展了大量核數(shù)據(jù)協(xié)方差評價方法研究工作[3-4]，掌握了基于線性最小二乘法(LLS)的模型無關(guān)協(xié)方差評價方法和基于誤差傳遞的模型依賴協(xié)方差評價方法，建立
原子能科學(xué)技術(shù) 2020年11期2020-11-25
- 基于Cholesky分解的協(xié)方差矩陣估計
esky分解的協(xié)方差矩陣估計褚云通（遼寧師范大學(xué) 數(shù)學(xué)學(xué)院，遼寧 大連 116029）重復(fù)測量數(shù)據(jù)經(jīng)常在心理學(xué)、社會科學(xué)、經(jīng)濟(jì)學(xué)和醫(yī)學(xué)研究等領(lǐng)域出現(xiàn)．對于重復(fù)測量數(shù)據(jù)，高維（HD）和正定（PD）約束是協(xié)方差和相關(guān)矩陣建模的2個主要障礙．基于Cholesky型分解的方法在處理HD和PD問題上是有效的．基于修正的Cholesky分解（MCD）、替代Cholesky分解（ACD）和Cholesky因子參數(shù)化（HPC）3種方法，對遵循高斯分布的重復(fù)測量數(shù)據(jù)擬合聯(lián)合
高師理科學(xué)刊 2020年9期2020-10-21
- 一種改進(jìn)的網(wǎng)格剖分協(xié)方差交集融合算法?
獻(xiàn)［4～7］對協(xié)方差凸組合方法進(jìn)行了討論。協(xié)方差凸組合算法沒有考慮局部航跡的相關(guān)性，抗干擾能力較弱，造成其算法的魯棒性較差，僅僅在局部航跡完全獨立的情況下是最優(yōu)的。此外，文獻(xiàn)［5］中Bar-Shalo-Campo融合算法考慮了共同的過程噪聲的相關(guān)性，然而為了計算各傳感器估計誤差之間的互協(xié)方差陣而需要大量的信息，在最小均方誤差意義下不是最優(yōu)的。在分布式系統(tǒng)中，常常無法準(zhǔn)確描述多源信息之間的相關(guān)性，文獻(xiàn)［8～10］提出了協(xié)方差交叉算法。協(xié)方差交叉是一種保守融合
艦船電子工程 2020年3期2020-06-11
- 實正態(tài)過程之多重均方不定積分的正態(tài)性
均值向量，B為協(xié)方差矩陣，則X的特征函數(shù)為由引理1及正態(tài)過程的定義易得定理4.定理4設(shè){X(t),t∈T}為正態(tài)過程，均值函數(shù)為mX(t),協(xié)方差函數(shù)為CX(s,t),則{X(t),t∈T}的任意有限維特征函數(shù)為：ri∈R,ti∈T,i=1,2,…n,n∈N.3 主要結(jié)論任意有限維特征函數(shù)為：ri∈R,ui∈[a,b],i=1,2,…n,n∈N.重復(fù)使用上述方法，可得多重均方不定積分為[a,b]上均方連續(xù)、均方可導(dǎo)的實正態(tài)過程.協(xié)方差函數(shù)為協(xié)方差函數(shù)為：協(xié)
太原師范學(xué)院學(xué)報(自然科學(xué)版) 2020年1期2020-03-31
- 面向多模態(tài)圖像的柯西相關(guān)特征學(xué)習(xí)方法
基于樣本數(shù)據(jù)的協(xié)方差矩陣，即樣本協(xié)方差矩陣。由于實際應(yīng)用中采集的樣本往往包含大量的冗余和噪聲信息，樣本協(xié)方差矩陣通常偏離真實協(xié)方差矩陣。對于特征學(xué)習(xí)方法，樣本協(xié)方差矩陣越接近真實協(xié)方差矩陣，特征學(xué)習(xí)方法獲得的特征往往具有越好的鑒別力[7]。為了解決樣本協(xié)方差矩陣偏離的問題，本文利用柯西估計對協(xié)方差矩陣的奇異值進(jìn)行糾正，進(jìn)而形成一種更加接近真實協(xié)方差矩陣的柯西協(xié)方差矩陣，然后在相關(guān)分析理論的基礎(chǔ)上，進(jìn)一步提出面型多模態(tài)圖像的柯西相關(guān)特征學(xué)習(xí)方法，即柯西典型相
重慶理工大學(xué)學(xué)報(自然科學(xué)) 2019年9期2019-10-16
- 隨機變量數(shù)字特征教學(xué)中的幾點思考
詞：數(shù)學(xué)期望;協(xié)方差;相關(guān)系數(shù);相互獨立;不相關(guān)中圖分類號：O13;G642? 文獻(xiàn)標(biāo)識碼：A? 文章編號：1673-260X（2019）02-0149-04 概率統(tǒng)計是理工類和經(jīng)管類本科專業(yè)的一門重要的學(xué)科基礎(chǔ)課程，其中涉及的解決隨機問題的基本思想方法被廣泛應(yīng)用于經(jīng)濟(jì)決策、質(zhì)量控制、投資風(fēng)險管理等領(lǐng)域.根據(jù)教育部高等學(xué)校大學(xué)數(shù)學(xué)課程教學(xué)指導(dǎo)委員會發(fā)布的大學(xué)數(shù)學(xué)課程教學(xué)基本要求[1]，在本科概率統(tǒng)計課程中應(yīng)使學(xué)生掌握課程的基本知識、基本理論，對學(xué)生進(jìn)行必要
赤峰學(xué)院學(xué)報·自然科學(xué)版 2019年2期2019-09-10
- 高效秩-μ更新自動協(xié)方差矩陣自適應(yīng)演化策略
5)0 引 言協(xié)方差矩陣自適應(yīng)演化策略(CMA-ES)是應(yīng)用最多、性能最好的演化策略(ES)[1]之一，由Hansen和Ostermeier[2-3]提出，主要應(yīng)用實值優(yōu)化問題，使函數(shù)值達(dá)到最小值且搜索成本最低。CMA-ES易陷入局部最優(yōu)，喬帥結(jié)合云推理改善陷入局部最優(yōu)[4]，胡冠宇引入混沌算子使其具有良好全局搜索能力[5]。CMA-ES的一般思想是在目標(biāo)方向中使用成功搜索步驟的信息更改協(xié)方差矩陣的突變分布，不成功方向的信息隨時間而丟棄。CMA-ES發(fā)展不
計算機應(yīng)用與軟件 2019年2期2019-04-01
- 概率論中關(guān)于數(shù)字特征的實驗教學(xué)案例
的期望、方差、協(xié)方差等數(shù)字特征的計算，有利于增強學(xué)生學(xué)習(xí)概率統(tǒng)計課程的自信心，提高學(xué)生學(xué)習(xí)的主觀能動性.【關(guān)鍵詞】期望；方差；協(xié)方差；MATLAB【基金項目】2017年湖南涉外經(jīng)濟(jì)學(xué)院教學(xué)改革研究項目“數(shù)學(xué)實驗在地方本科院校非數(shù)學(xué)專業(yè)教學(xué)中的應(yīng)用研究”.一、引 言概率論與數(shù)理統(tǒng)計是我校經(jīng)管類、理工類等專業(yè)學(xué)生的必修課程，也是數(shù)學(xué)公共課程中應(yīng)用性較強的一門課程.對我校學(xué)生該課程學(xué)習(xí)情況的調(diào)查顯示，大部分學(xué)生認(rèn)為該課程中與連續(xù)型變量相關(guān)的內(nèi)容難度較大，并且容易
數(shù)學(xué)學(xué)習(xí)與研究 2019年3期2019-03-27
- 相關(guān)性分析方法及其應(yīng)用淺析
研究了圖表法、協(xié)方差方法、相關(guān)系數(shù)法和回歸分析法，并探討了這幾種方法之間的區(qū)別和聯(lián)系。以兩個經(jīng)濟(jì)指標(biāo)之間的相關(guān)性為例，對這幾種方法進(jìn)行實踐應(yīng)用，從而說明數(shù)學(xué)知識在實際應(yīng)用中的重要價值?！娟P(guān)鍵詞】相關(guān)性 協(xié)方差 相關(guān)系數(shù) 線性回歸【中圖分類號】G633.6 【文獻(xiàn)標(biāo)識碼】A 【文章編號】2095-3089（2019）07-0134-021.研究背景簡介在統(tǒng)計學(xué)中，對事物之間的相關(guān)關(guān)系的分析幾乎是研究任意一組變量時的首要步驟。通常情況下，我們不僅關(guān)心事物自身是
課程教育研究 2019年7期2019-03-26
- 一種估計高維協(xié)方差矩陣的新方法
分析中，當(dāng)總體協(xié)方差矩陣未知時，需要用樣本協(xié)方差矩陣的逆矩陣來代替判別函數(shù)中總體協(xié)方差矩陣的逆.另外，在協(xié)方差矩陣相等的相關(guān)檢驗中，一些傳統(tǒng)的檢驗統(tǒng)計量要求樣本協(xié)方差矩陣具有可逆性.但是在“大p小n”的情況下，樣本協(xié)方差矩陣不可逆的概率為1.因此，一些專家嘗試用其他方法進(jìn)行假設(shè)檢驗，如修正似然比方法[1-4]；非參數(shù)方法等[5-6].從上述兩個例子中，我們可以看到，在許多應(yīng)用中，我們都需要樣本協(xié)方差矩陣是可逆的.然而，在“大p小n”的情況下，傳統(tǒng)的樣本協(xié)方
山東師范大學(xué)學(xué)報（自然科學(xué)版） 2019年1期2019-03-21
- 淺談隨機變量的幾種數(shù)字特征及其應(yīng)用
學(xué)期望;方差;協(xié)方差;相關(guān)系數(shù);投資組合一、隨機變量幾種數(shù)字特征及其關(guān)系隨機變量常見的數(shù)字特征主要有數(shù)學(xué)期望、方差、相關(guān)系數(shù)和協(xié)方差等，本文以離散型隨機變量為例簡單介紹幾種常見的隨機變量數(shù)字特征。（一）數(shù)學(xué)期望關(guān)于一般離散型隨機變量數(shù)學(xué)期望定義為，假設(shè)X為一般離散型隨機變量，它的取值為x1， x2， x3， …對應(yīng)的概率分別為p1， p2， p3， …如果∑ k=1∞? xk pk，∑ k=1∞? |xk| pk兩個無窮求和分別為有限數(shù)，則稱為隨機變量X的
神州·上旬刊 2019年1期2019-02-06
- 基于協(xié)方差理論的非關(guān)聯(lián)軌道動態(tài)關(guān)聯(lián)算法
算法。采用基于協(xié)方差理論關(guān)聯(lián)算法可以提高短弧段雷達(dá)觀測數(shù)據(jù)和稀疏可見期數(shù)據(jù)的關(guān)聯(lián)水平。該計算方法旨在解決UCTs自動關(guān)聯(lián)問題，建立一個更完整的空間對象編目庫?；?span id="qiue0qw" class="hl">協(xié)方差的軌道關(guān)聯(lián)動態(tài)算法是基于軌道不確定性協(xié)方差的動態(tài)算法，利用軌道數(shù)據(jù)的協(xié)方差信息生成完整的軌道狀態(tài)和誤差分布函數(shù)，并用于統(tǒng)計關(guān)聯(lián)軌道。如果協(xié)方差準(zhǔn)確表示實際軌道誤差分布，那么這個算法是最優(yōu)的、最大化的概率關(guān)聯(lián)。協(xié)方差矩陣可以更有效統(tǒng)計和自動方式關(guān)聯(lián)UCTs。基于協(xié)方差的關(guān)聯(lián)已經(jīng)在精密軌道攝動的
中國空間科學(xué)技術(shù) 2018年6期2019-01-21
- 基于先驗信息的協(xié)方差矩陣重構(gòu)抗干擾算法*
一般是通過采樣協(xié)方差矩陣來實現(xiàn)對回波信號的處理，但是在實際應(yīng)用中的許多場合，由于訓(xùn)練樣本中通常含有期望信號成分或者樣本數(shù)較少，往往導(dǎo)致自適應(yīng)波束形成的性能變差。這是因為期望信號和干擾同時存在時，當(dāng)采樣快拍數(shù)較少時，依據(jù)采樣數(shù)據(jù)得到的協(xié)方差矩陣與真實干擾噪聲協(xié)方差矩陣存在誤差，因此，無法直接應(yīng)用到求解最優(yōu)權(quán)矢量的計算當(dāng)中，若繼續(xù)使用，帶來的結(jié)果就是天線輸出性能的嚴(yán)重?fù)p失。為了獲得更為準(zhǔn)確的自適應(yīng)權(quán)矢量[7-8]，提高波束形成器的輸出性能，本文提出了一種基于干
火力與指揮控制 2018年9期2018-10-16
- 基于Tukey法改進(jìn)時間序列平穩(wěn)性檢驗的分段檢驗法
與段之間均值與協(xié)方差函數(shù)是否相等進(jìn)行假設(shè)檢驗，若有一個假設(shè)不成立則原時間序列就為非平穩(wěn)的。需要進(jìn)行多個假設(shè)檢驗，若每一個檢驗犯第一類錯誤的概率為α，則各段均值與自協(xié)方差函數(shù)都相等的假設(shè)累計犯第一類錯誤的概率均會超過α，即由于樣本的隨機性會使得各段序列均值與自協(xié)方差函數(shù)被誤判為不全相等的概率均會超過α，從而使平穩(wěn)時間序列被誤判為非平穩(wěn)的概率增大，降低了分段檢驗的可信度。Tukey于1951年提出的Tukey法[8]是解決多個水平均值中兩兩均值相等的檢驗同時發(fā)
統(tǒng)計與決策 2018年16期2018-09-21
- 投資組合中協(xié)方差陣的估計和預(yù)測
0025）引言協(xié)方差陣在實際生活中有著廣泛的應(yīng)用，尤其是在資產(chǎn)組合及風(fēng)險管理中，其扮演著不可替代的角色。協(xié)方差陣的估計方法大都是基于低頻數(shù)據(jù)的。近年來，高頻數(shù)據(jù)越來越容易獲得，較低頻數(shù)據(jù)而言，其包含了更加豐富的信息。高頻數(shù)據(jù)的信息量更高，但抽樣頻率提高的同時會帶來微觀噪聲影響越來越大的問題。由于短期內(nèi)的價格波動等因素，資產(chǎn)收益率可能出現(xiàn)幅度較大的變化，數(shù)據(jù)呈現(xiàn)跳躍狀態(tài)，該跳躍對高頻數(shù)據(jù)協(xié)方差陣估計帶來更多難題。信息技術(shù)的發(fā)展促使更多高頻交易場景以及更高頻率
經(jīng)濟(jì)研究導(dǎo)刊 2018年24期2018-09-18
- 造紙廢水處理過程的高斯過程回歸軟測量建模
,采用平方指數(shù)協(xié)方差函數(shù)、線性協(xié)方差函數(shù)、周期性協(xié)方差函數(shù)以及這 3種協(xié)方差函數(shù)的組合函數(shù)構(gòu)建了7種協(xié)方差函數(shù)的高斯過程回歸(GPR)模型對出水化學(xué)需氧量(COD)和出水懸浮固形物(SS)濃度進(jìn)行回歸預(yù)測,并與3種線性回歸模型和ANN模型進(jìn)行對比.1 方法原理1.1 GPR建模原理GPR是一種非參數(shù)回歸方法,該方法將一個未知的目標(biāo)變量通過一個或多個已知的輸入變量的狀態(tài)函數(shù)來表示.參數(shù)回歸方法如上述的MLR、PCR等用指定的函數(shù)替換訓(xùn)練數(shù)據(jù),并對其參數(shù)進(jìn)行調(diào)
中國環(huán)境科學(xué) 2018年7期2018-07-30
- 基于子集重采樣的高維資產(chǎn)組合的構(gòu)建
型依賴資產(chǎn)間的協(xié)方差陣，當(dāng)資產(chǎn)的維度較高尤其資產(chǎn)的維度大于樣本容量時，協(xié)方差陣的估計將面臨維數(shù)詛咒等問題，協(xié)方差陣的估計效果較差，從而影響到組合效果。為了解決協(xié)方差陣估計所面臨的維數(shù)詛咒問題，有學(xué)者提出了一些方法來估計大維金融資產(chǎn)的協(xié)方差陣。Cai和Zhou（2012），Cai和Liu（2011）等將門限方法應(yīng)用到高維協(xié)方差陣的估計中，將一些元素壓縮為0來解決維數(shù)詛咒問題[1~2]；Fan和Lv（2008）以及Fan和Liao等（2011）將因子分析法應(yīng)用
經(jīng)濟(jì)研究導(dǎo)刊 2018年19期2018-07-24
- 基于高頻數(shù)據(jù)的大維金融協(xié)方差陣的估計與應(yīng)用
于不同資產(chǎn)間的協(xié)方差陣，協(xié)方差陣的估計效果直接影響到資產(chǎn)的權(quán)重，一般而言，協(xié)方差陣的估計效果越好，構(gòu)建的投資組合越合理。但是，當(dāng)今社會是信息爆炸的時代，隨著數(shù)據(jù)可獲得性的提高，很多金融機構(gòu)便面臨的是大規(guī)模高維度的金融資產(chǎn)，鑒于維數(shù)詛咒以及市場噪聲的影響，如何估計大維資產(chǎn)的協(xié)方差陣是統(tǒng)計領(lǐng)域中一大難題。近年來，就大維協(xié)方差陣的估計問題已經(jīng)引起了一些學(xué)者的關(guān)注，取得了許多研究成果，有關(guān)大維協(xié)方差陣估計方法是基于低頻數(shù)據(jù)的，但是基于低頻數(shù)據(jù)估計的協(xié)方差陣并不理想
統(tǒng)計與決策 2018年5期2018-04-08
- 概率論中有關(guān)協(xié)方差計算的教學(xué)探討
王曉【摘要】協(xié)方差作為概率論的一個基本概念，描述兩個隨機變量之間的關(guān)系.它的計算是概率論中的難點、重點，特別是連續(xù)型隨機變量協(xié)方差的計算，因牽扯二重積分，學(xué)生在學(xué)習(xí)過程中，普遍存在很多困難，難于掌握.針對幾類特殊的連續(xù)型隨機變量的協(xié)方差計算，本文給出簡潔的計算公式，不僅提高計算的準(zhǔn)確率，而且減少了計算量，同時促進(jìn)概率論課程的教學(xué)質(zhì)量的提高.【關(guān)鍵詞】協(xié)方差；計算公式；對稱區(qū)域；獨立一、引 言協(xié)方差作為概率論的一個基本概念，描述兩個隨機變量之間協(xié)同變化的關(guān)系
數(shù)學(xué)學(xué)習(xí)與研究 2018年3期2018-03-14
- 高維厚尾金融數(shù)據(jù)協(xié)方差陣的統(tǒng)計估計及應(yīng)用
何估計高維資產(chǎn)協(xié)方差陣的研究并不多見，協(xié)方差陣在投資組合和風(fēng)險管理中扮演著重要角色，如何估計高維金融數(shù)據(jù)的協(xié)方差陣已是統(tǒng)計領(lǐng)域中越來越重要的亟待解決的問題。近年來，已有很多學(xué)者對高維協(xié)方差陣的估計問題進(jìn)行了研究；Fan等不僅提出了基于因子結(jié)構(gòu)的協(xié)方差陣估計方法，還提出了基于主成分分析的高維協(xié)方差陣估計方法[3-4]；Cai和Zhou、Cai和Liu提出了基于門限函數(shù)的稀疏協(xié)方差陣估計方法[5-6]；Wu和Pourahmadi[7]、Li和Wang等[8]將
統(tǒng)計與信息論壇 2018年2期2018-03-06
- 基于極大似然估計的新息自適應(yīng)濾波算法
聲和量測噪聲的協(xié)方差陣后，噪聲協(xié)方差陣就一直作為常值參與濾波遞推過程。但在實際應(yīng)用中，噪聲統(tǒng)計信息通常難以準(zhǔn)確獲取，而且其統(tǒng)計特性受環(huán)境溫度、載體機動等外界因素影響會發(fā)生變化[1,2]。此時，常規(guī)卡爾曼濾波并不能根據(jù)外部量測數(shù)據(jù)來修正其噪聲參數(shù)，使得估計誤差不斷積累，導(dǎo)致濾波精度下降，甚至引起濾波發(fā)散[3,4]。近年來，為了解決常規(guī)卡爾曼濾波在噪聲統(tǒng)計信息未知或者時變情況下存在的問題，相繼提出了各種自適應(yīng)濾波算法，主要包括基于極大后驗估計的Sage-Hus
傳感器與微系統(tǒng) 2018年1期2018-01-24
- 基于干擾協(xié)方差矩陣重構(gòu)的自適應(yīng)波束形成
鄭昱基于干擾協(xié)方差矩陣重構(gòu)的自適應(yīng)波束形成文/程院兵 鄭昱針對傳統(tǒng)基于采樣協(xié)方差矩陣的自適應(yīng)波束形成在樣本數(shù)少、訓(xùn)練數(shù)據(jù)中存在期望信號等條件下，干擾抑制性能嚴(yán)重下降問題，提出一種基于干擾協(xié)方差矩陣重構(gòu)的自適應(yīng)波束形成算法。該算法采用自適應(yīng)譜估計回波空間譜，從角度維將空間譜分為期望信號區(qū)域和干擾區(qū)域，通過對干擾信號區(qū)域積分重構(gòu)干擾協(xié)方差矩陣。與傳統(tǒng)方法相比，該算法可避免訓(xùn)練數(shù)據(jù)中包含期望信號，且利用自適應(yīng)譜估計提高干擾空間譜的估計精度，從而提高干擾協(xié)方差矩
電子技術(shù)與軟件工程 2017年14期2017-09-08
- 相關(guān)變量隨機數(shù)序列產(chǎn)生方法?
的研究表明:在協(xié)方差矩陣滿足正定條件時,可以采用Cholesky分解方法產(chǎn)生多維相關(guān)隨機變量.本文首先對產(chǎn)生多維相關(guān)隨機變量的理論公式進(jìn)行了推導(dǎo),發(fā)現(xiàn)采用Cholesky分解并不是產(chǎn)生多維相關(guān)隨機變量的唯一方法,其他的矩陣分解方法只要能滿足協(xié)方差矩陣的分解條件,同樣可以用來產(chǎn)生多維相關(guān)隨機變量.同時給出了采用協(xié)方差矩陣、相對協(xié)方差矩陣和相關(guān)系數(shù)矩陣產(chǎn)生多維隨機變量的公式,以方便以后使用.在此基礎(chǔ)上,利用一個簡單測試題和Jacobi矩陣分解方法對上述理論進(jìn)行
物理學(xué)報 2017年16期2017-09-07
- 兩種協(xié)方差估計方法的性能比較
0876）兩種協(xié)方差估計方法的性能比較陳永彬，別志松（北京郵電大學(xué)信息與通信工程學(xué)院，北京 100876）干擾抑制合并（IRC）是一種能有效應(yīng)對小區(qū)間同頻干擾的算法。與最大比合并（MRC）不同，IRC能根據(jù)干擾的統(tǒng)計特性來抑制干擾。實現(xiàn)IRC算法的關(guān)鍵有兩方面，而對干擾噪聲的協(xié)方差矩陣的估計是其中之一。在接收信號的處理中加入對干擾噪聲協(xié)方差的考慮，可以有效的抑制干擾，提高系統(tǒng)性能。干擾噪聲的協(xié)方差估計有兩種方法，一種是通過導(dǎo)頻信號估計，另一種是接受信號協(xié)方
軟件 2016年11期2016-12-15
- 帶觀測滯后多傳感器系統(tǒng)的改進(jìn)協(xié)方差交叉融合Kalman濾波器
感器系統(tǒng)的改進(jìn)協(xié)方差交叉融合Kalman濾波器王軍，高媛*，冉陳鍵(黑龍江大學(xué)電子工程學(xué)院 哈爾濱 150080)為了處理帶觀測滯后多傳感器系統(tǒng)的融合估計問題，引入了局部次優(yōu)遞推Kalman濾波器，利用改進(jìn)的協(xié)方差交叉融合算法，提出了改進(jìn)協(xié)方差交叉融合Kalman濾波算法。它可以避免由互協(xié)方差計算引起的較大計算負(fù)擔(dān)，并可以處理互協(xié)方差未知系統(tǒng)的融合問題。與傳統(tǒng)協(xié)方差交叉融合Kalman濾波器相比有更高的魯棒精度，改進(jìn)的協(xié)方差交叉融合器的精度高于每個局部傳感
黑龍江大學(xué)工程學(xué)報 2016年2期2016-11-08
- 基于流動性調(diào)整的高頻協(xié)方差陣的估計及其應(yīng)用研究
動性調(diào)整的高頻協(xié)方差陣的估計及其應(yīng)用研究劉麗萍1,馬 丹2（1.貴州財經(jīng)大學(xué)數(shù)學(xué)與統(tǒng)計學(xué)院，貴州貴陽，550025；2.西南財經(jīng)大學(xué)統(tǒng)計學(xué)院，四川成都，610071）金融資產(chǎn)交易往往不具有時間的一致性，采用高頻數(shù)據(jù)估計協(xié)方差陣時需要避免由于異步交易導(dǎo)致的“Epps”效應(yīng)。常用的時間刷新技術(shù)能夠解決異步交易問題，但隨著資產(chǎn)數(shù)量增加，樣本量會迅速減少。本文介紹了基于流動性調(diào)整的雙頻協(xié)方差陣估計方法（RnBTSCOV），該方法可減少數(shù)據(jù)量的損失，在不對參數(shù)施加任
管理工程學(xué)報 2016年2期2016-10-13
- 基于改進(jìn)協(xié)方差控制的傳感器管理算法*
18）基于改進(jìn)協(xié)方差控制的傳感器管理算法*呂鵬飛，彭冬亮，左燕，谷雨（杭州電子科技大學(xué)，杭州310018）針對傳統(tǒng)的基于協(xié)方差控制的傳感器管理算法使用全遍歷方法所造成的計算量大，以及傳感器切換頻繁的問題，提出了一種基于改進(jìn)協(xié)方差控制的傳感器管理算法。該算法在每一時刻首先判斷前一時刻所用傳感器組是否能夠滿足目標(biāo)跟蹤需求，以濾波協(xié)方差與期望協(xié)方差的偏差作為參考，結(jié)合量綱變換和特征值求取，為協(xié)方差偏差矩陣經(jīng)過量綱變換后得到的量綱一致陣的所有特征值設(shè)定一個精度閾值
火力與指揮控制 2016年7期2016-08-18
- 基于二次判別分析法顏色識別研究
采樣數(shù)據(jù)構(gòu)成的協(xié)方差矩陣的差異做判別分析。通過實驗驗證，該算法能夠有效提升識別效率。關(guān)鍵詞：圖像識別；協(xié)方差；二次判別分析法；直方圖匹配現(xiàn)實生活中，高血壓、血脂稠、糖尿病等疾病患者越來越多，而這些疾病都可以通過尿液檢測判斷病情，但是市場上使用人工比對試紙或者傳感器的方法不僅成本高，而且效率極低，不同人的眼睛由于視力等因素的影響，觀察的誤差也非常大，測試有很大的局限性，并且對于老年癡呆和小孩子等這類病人尿液采樣也是一件不容易的事情。因此找到一種能夠快速、經(jīng)濟(jì)
科技風(fēng) 2016年18期2016-07-05
- 基于稀疏矩陣變換降維的高光譜圖像目標(biāo)探測算法
算法。首先基于協(xié)方差的約束最大似然估計,對高光譜數(shù)據(jù)進(jìn)行稀疏矩陣變換,對降低維度后的數(shù)據(jù)結(jié)合經(jīng)典的點目標(biāo)檢測算法,實現(xiàn)高光譜數(shù)據(jù)中的目標(biāo)探測。在真實測試數(shù)據(jù)上,對算法進(jìn)行了測試,可達(dá)到提高檢測速度和檢測效率的目的。關(guān)鍵詞高光譜圖像; 目標(biāo)探測; 稀疏矩陣變換(SMT); 協(xié)方差; 最大似然估計Hyperspectral Target Detection Algorithms Based on Sparse Matrix TransformZHOU XinT
計算機與數(shù)字工程 2016年1期2016-04-08
- 確定采樣型非線性濾波器的研究現(xiàn)狀與發(fā)展趨勢*
確定型采樣; 協(xié)方差; 確定采樣Research Status and Development of Deterministic Sampling Nonlinear FiltersLIU Wei1YANG Zhiyong2CONG Yuancai2LIU Qunjie2KANG Yuhang2(1. The Office Equipment, No. 91980 Troops of PLA, Yantai264000) (2. Naval Aeronau
艦船電子工程 2016年1期2016-04-08
- 58Ni(n,p)實驗數(shù)據(jù)及協(xié)方差數(shù)據(jù)評價
p)實驗數(shù)據(jù)及協(xié)方差數(shù)據(jù)評價朱登雷， 王庭太(中原工學(xué)院， 鄭州 450007)摘要：對58Ni(n, p)反應(yīng)道的實驗數(shù)據(jù)進(jìn)行了收集、分析和評價，給出了20 MeV以下的實驗數(shù)據(jù)評價截面和協(xié)方差矩陣,為最終給出推薦的58Ni(n, p)截面數(shù)據(jù)和高可信度的協(xié)方差數(shù)據(jù)提供了基礎(chǔ)。關(guān)鍵詞：核數(shù)據(jù)；評價；截面；協(xié)方差隨著原子核物理的發(fā)展，以及核理論在工程中的應(yīng)用，核數(shù)據(jù)評價越來越引起人們的重視。但是由于實驗條件的限制，往往很難給出整個能區(qū)的實驗數(shù)據(jù)，在某些能區(qū)
中原工學(xué)院學(xué)報 2015年1期2016-01-20
- 基于關(guān)節(jié)信息和極限學(xué)習(xí)機的人體動作識別
極限學(xué)習(xí)機； 協(xié)方差； 方向位移直方圖中圖分類號： TN710?34； TP391.4 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2015）10?0055?060 引 言人體動作識別是計算機視覺研究中的一個分支，被廣泛地應(yīng)用于人機互動、交互式娛樂等多個領(lǐng)域?；陉P(guān)節(jié)信息的運動軌跡記錄是常用的高級記錄方法之一，其中運動軌跡是指隨時間變化的關(guān)節(jié)路徑。人體運動相關(guān)研究的第一個問題是運動數(shù)據(jù)的采集，常用的方法[1]有機械式的運動捕獲，基于電磁系統(tǒng)的運動捕獲
現(xiàn)代電子技術(shù) 2015年10期2015-05-29
- Co-channel interference rejection for MIMO-OFDM systems
信道矩陣和干擾協(xié)方差矩陣估計方法,并設(shè)計了迭代求解算法．利用所估計的信道矩陣和干擾協(xié)方差矩陣,采用IRC接收機完成同信道干擾的抑制．利用干擾協(xié)方差陣的共軛對稱與半正定等特性,提出2種干擾協(xié)方差矩陣的處理方案以提高其估計精度．第1種方案將每個子載波上干擾協(xié)方差矩陣表征為一系列時域矩陣之和,第2種方案將每個子載波上的干擾協(xié)方差矩陣用低階模型來建模,其中模型階數(shù)通過最小描述長度算法估計．仿真結(jié)果表明了所提方案的有效性．信道估計;干擾協(xié)方差估計;干擾抑制;IRC接
Journal of Southeast University(English Edition) 2015年2期2015-05-08
- 一種基于協(xié)方差矩陣的MU-MIMO干擾消除算法研究*
：2 一種基于協(xié)方差矩陣估計的IRC算法LTE-A系統(tǒng)中，現(xiàn)階段有兩種估計協(xié)方差矩陣的方法：一種是基于數(shù)據(jù)信號的協(xié)方差矩陣估計，另一種是基于參考信號的協(xié)方差矩陣估計。下面分別對這兩種方案進(jìn)行介紹。2.1 基于數(shù)據(jù)信號的協(xié)方差矩陣估計一般情況下，干擾信號與噪聲是不相關(guān)的，故接收數(shù)據(jù)信號的自相關(guān)矩陣可以表示為：文獻(xiàn)[5]中，給出了聯(lián)合時、頻域的Ryy的計算表達(dá)式：式中，L為時域OFDM符號的個數(shù)，B為頻域子載波的個數(shù)，y(k，l)為第k個子載波、第l個 OFD
電子技術(shù)應(yīng)用 2015年12期2015-02-21
- 雷達(dá)組網(wǎng)多傳感器選擇快速啟發(fā)式算法
于信息論和基于協(xié)方差控制[5-7]的傳感器管理方法。但是由于組網(wǎng)中傳感器數(shù)目的增加，帶來傳感器選擇算法計算量過大的問題。于是便有了貪婪算法[5]的提出，但是該算法對傳感器的選取過于保守，導(dǎo)致頻繁選擇了精度過高的傳感器。本文提出了一種快速多傳感器選擇算法。本方法以控制協(xié)方差水平的思想對傳感器進(jìn)行管理，在線通過每次選取期望最接近期望增益的傳感器形成探測某目標(biāo)的傳感器組合，在滿足目標(biāo)跟蹤精度的前提下，減少了算法的計算量。1 系統(tǒng)模型目標(biāo)的運動方程和量測方程為X(
杭州電子科技大學(xué)學(xué)報(自然科學(xué)版) 2014年2期2014-12-02
- 基于積分協(xié)方差矩陣的粒子濾波目標(biāo)跟蹤
空間位置分布的協(xié)方差矩陣來表征目標(biāo)，該特征不含特征點數(shù)量和順序信息，對目標(biāo)旋轉(zhuǎn)、尺度變化及光線變化都具有較強適應(yīng)性［3］。跟蹤在實際應(yīng)用中的另一個重要問題是計算的實時性，為了提高計算效率，本文在粒子濾波的框架下引入積分圖的概念，用協(xié)方差矩陣表征目標(biāo)，實現(xiàn)對目標(biāo)的跟蹤。2 協(xié)方差區(qū)域描述子協(xié)方差區(qū)域描述子的表征如圖1所示，令I(lǐng)為圖像幀，從I中提取一個大小為W×H×d維的特征圖像:其中，Φ表示任意一種映射，N=W×H，區(qū)域R用d×d維的協(xié)方差矩陣表示［4］:其
激光與紅外 2014年12期2014-03-29
- 基于網(wǎng)格剖分的協(xié)方差交集融合新算法?
獻(xiàn)［2］方法（協(xié)方差交集融合1誤差橢圓）與本文方法（協(xié)方差交集融合2誤差橢圓）的融合誤差橢圓如圖1所示。2所示。從圖中可以看出，航跡點1與航跡點2誤差橢圓差不多時，本文方法的均值與航跡點1與航跡點2均值的平均值接近，誤差橢圓能很好逼近航跡點1與航跡點2的協(xié)方差橢圓的交集。當(dāng)兩局部航跡噪聲完全相關(guān)，噪聲分布在真實航跡兩邊，經(jīng)50次蒙特卡羅仿真統(tǒng)計協(xié)方差凸組合融合、文獻(xiàn)［2］的協(xié)方差交集融合、網(wǎng)格剖分的協(xié)方差交集融合方法（網(wǎng)格步長5 m）的均方根融合誤差，如圖
電訊技術(shù) 2013年5期2013-02-25
- 協(xié)方差函數(shù)的選擇對GPS高程擬合精度的影響*
210098)協(xié)方差函數(shù)的選擇對GPS高程擬合精度的影響*李成仁 岳東杰 金保平(河海大學(xué)測繪科學(xué)與工程系，南京 210098)闡述最小二乘配置的原理，給出先驗方差協(xié)方差估計方法，通過實例分析了采用最小二乘配置法的有效性，比較了不同協(xié)方差函數(shù)對擬合精度的影響及擬合點的分布對協(xié)方差函數(shù)、擬合結(jié)果的影響。模型誤差;最小二乘配置;協(xié)方差函數(shù);GPS高程擬合;擬合精度1 引言在工程測量領(lǐng)域，最常用的高程異常擬合方法是數(shù)學(xué)曲面擬合法，然而常規(guī)方法只是擬合出與高程異常
大地測量與地球動力學(xué) 2012年2期2012-11-14
- 多維超幾何分布協(xié)方差陣的簡單求法①
，…，Xk)的協(xié)方差陣，但以往的求法需要用到混合階乘矩和有限差算子等不常用的概念和方法.本文利用初等的方法，非常簡便地求出了多維超幾何分布的協(xié)方差陣.1 協(xié)方差陣的簡單求法引理1［1］若(X1，X2，…，Xk)是多維超幾何分布，(Xi1，Xi2，…，Xik)是其中任意t(1≤t≤k)個分量，則(Xi1，Xi2，…，Xit)服從超幾何分布.引理2［2］Xi服從超幾何分布，那么引理3 設(shè)隨機向量(Xi，Xj)服從二維超幾何分布，即則證明 不失一般性，取i=1，
佳木斯大學(xué)學(xué)報（自然科學(xué)版） 2012年6期2012-08-21
- 基于高頻數(shù)據(jù)的賦權(quán)已實現(xiàn)極差β估計量的構(gòu)建
賦權(quán)已實現(xiàn)極差協(xié)方差來度量市場收益的方差和股票收益與市場收益的協(xié)方差，構(gòu)建賦權(quán)已實現(xiàn)極差β估計量，對系統(tǒng)風(fēng)險系數(shù)β進(jìn)行研究。1 已實現(xiàn)極差方差和已實現(xiàn)極差協(xié)方差1.1 已實現(xiàn)極差方差Christensen和Podolskij[13]提出了基于高頻數(shù)據(jù)的已實現(xiàn)極差方差估計量。采用已實現(xiàn)極差方差來估計金融資產(chǎn)收益的方差，其優(yōu)點在于這種方法能夠充分利用高頻數(shù)據(jù)的日內(nèi)信息，計算簡便。其中，T為研究跨度天數(shù)，N為在[t-1,t]時間段內(nèi)等時間間隔的采樣次數(shù)。Δ=1/
統(tǒng)計與決策 2012年9期2012-07-25
- 普通克立格方法的奇異性問題研究
程為其中C表示協(xié)方差陣;λ表示權(quán)系數(shù)向量;θ表示方程式(6)右邊的協(xié)方差向量。權(quán)系數(shù)向量可由以下方程得到:相應(yīng)的普通克立格方差可表述如下:1 普通克立格方法的奇異性分析1.1 協(xié)方差函數(shù)的嚴(yán)格正定要求我們可以很容易從方程(6)得出如下結(jié)論:普通克立格方程有唯一解的充要條件，是協(xié)方差矩陣為正定陣。也就是說，其協(xié)方差函數(shù)必須是嚴(yán)格正定的［1］。如果協(xié)方差矩陣不是正定陣，則協(xié)方差矩陣的行列式就可能為零或趨近為零，這就是所謂的普通克立格方程的奇異性問題，其結(jié)果將導(dǎo)
物探化探計算技術(shù) 2011年5期2011-01-12