检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于非等维状态的IMM混合估计方法

北京航空航天大学学报 2019年第10期45卷 2115-2122页

作者：欧能杰汪圣利张直南京电子技术研究所

在目标跟踪领域,交互多模型(IMM)估计器具有良好的性能和较低的复杂度。IMM的成功归因于模式混合,其中各模型输出用于模型条件重初始化。针对IMM算法中存在的非等维状态混合估计问题进行了研究,在总结现有算法的基础上提出了一种最优的... 详细信息

在目标跟踪领域,交互多模型(IMM)估计器具有良好的性能和较低的复杂度。IMM的成功归因于模式混合,其中各模型输出用于模型条件重初始化。针对IMM算法中存在的非等维状态混合估计问题进行了研究,在总结现有算法的基础上提出了一种最优的IMM混合估计方法。该方法通过将"切换"态的概念引入目标状态,根据当前滤波时刻的模型概率和新息,动态地调整混合策略以实现最优估计。最后,通过仿真实验验证了所提算法在不同模型混合场景中的表现要优于现有的算法。

关键词：目标跟踪滤波交互多模型(IMM) 混合估计非等维状态

错误指定多元线性模型中回归系数混合估计的性质

在线全文

学校读者我要写书评

暂无评论

湘潭大学自然科学学报 2003年第3期25卷 1-5页

作者：彭向阳周占功湘潭大学数学系湖南湘潭411105

在二次损失函数和Pitman Closeness(PC)准则下,本文研究了错误指定多元线性模型中回归系数的混合估计相对于最小二乘估计(ISE)

关键词：错误指定多元线性模型混合估计最小二乘估计二次损失函数 Pitman Closeness准则

错误指定模型中回归系数混合估计的小样本性质

在线全文

学校读者我要写书评

暂无评论

中国科学技术大学学报 1999年第3期29卷 253-259页

作者：韦来生林明中国科技大学统计与金融系

在均方误差矩阵（ＭＳＥＭ）准则和ＰｉｔｍａｎＣｌｏｓｅｎｅｓ（ＰＣ）准则下。

关键词：混合估计错误指定模型线性回归回归系数

在线全文

学校读者我要写书评

暂无评论

融合用户兴趣和混合估计的微博检索模型

情报学报 2019年第4期38卷 411-419页

作者：吴树芳张雄涛朱杰河北大学管理学院保定071000 天津大学管理与经济学部天津300000 中央司法警官学院信息管理系保定071000

随着移动互联技术的进一步发展,微博检索已成为微博服务的重要组成部分。考虑到微博检索与传统文本检索的不同,提出一个改进的微博检索模型。新模型对传统查询似然模型中的文档先验概率和文档语言模型估计进行了改进。在文档先验概率方... 详细信息

随着移动互联技术的进一步发展,微博检索已成为微博服务的重要组成部分。考虑到微博检索与传统文本检索的不同,提出一个改进的微博检索模型。新模型对传统查询似然模型中的文档先验概率和文档语言模型估计进行了改进。在文档先验概率方面,通过量化用户对博文的兴趣获得用户的兴趣博文库,并在兴趣博文库的基础上计算微博先验概率,使得符合检索用户兴趣的微博具有较高的先验概率;在文档语言模型估计方面,混合内容及用户交互两方面信息获得微博的相关文档集,并将其作为平滑项实现对微博文档语言模型的混合估计,有效缓解了微博短文本的数据稀疏问题。实验采用从新浪微博爬取的真实数据对研究内容的有效性进行验证,结果表明与现有研究中较好的改进查询似然模型相比,新模型在P@15、P@30和MRR上均有一定提高。

关键词：微博检索查询似然模型用户兴趣用户交互混合估计

回归系数的混合估计与最小二乘估计的相对效率

在线全文

学校读者我要写书评

暂无评论

中国科学技术大学学报 2000年第3期30卷 285-291页

作者：袁家成中国科技大学统计与金融系合肥230026

本文讨论线性回归模型中 ,回归系数的混合估计与最小二乘估计的相对效率问题 ,研究了两种不同相对效率的上。

关键词：最小二乘估计混合估计相对效率回归系数

回归系数的混合估计与最小二乘估计的一个新的相对效率

在线全文

学校读者我要写书评

暂无评论

数学杂志 2006年第6期26卷 652-656页

作者：周小双张明峰李正帮武汉大学数学与统计学院湖北武汉430072 德州学院数学系山东德州253023

本文对具有附加信息的线性回归模型中的混合估计与最小二乘估计给出了一种新的相对效率,研究了新的相对效率与其它几种相对效率的关系,得出了新的相对效率的上、下界.

关键词：线性回归模型混合估计最小二乘估计相对效率

在线全文

学校读者我要写书评

暂无评论

线性模型中回归系数混合估计的相对效率

中国科学技术大学学报 2006年第9期36卷 932-935页

作者：宋慧明韦来生中国科学技术大学统计与金融系安徽合肥230026

设线性回归模型中回归系数的最小二乘(least square,LS)估计和混合估计分别为^β与βm.当设计阵X列满秩时,获得了相对效率e1(^β,βm)=det[Cov(βm)]/det[Cov(^β)]以及e2(^β,βm)=tr[Cov(βm)]/tr[Cov(^β)]的界;当X不是列满秩时,设... 详细信息

设线性回归模型中回归系数的最小二乘(least square,LS)估计和混合估计分别为^β与βm.当设计阵X列满秩时,获得了相对效率e1(^β,βm)=det[Cov(βm)]/det[Cov(^β)]以及e2(^β,βm)=tr[Cov(βm)]/tr[Cov(^β)]的界;当X不是列满秩时,设可估函数c′β的LS估计和混合估计分别为c′^β和c′βm,获得了相对效率e3(c′^β,c′βm)=Var(c′βm)/Var(c′^β)的界.

关键词：线性模型最小二乘估计混合估计相对效率