最小一乘估计快速算法

最小二乘估计容易受奇异点的影响, 最小一乘估计是稳健估计, 可以很好地克服这个缺陷, 但计算困难. 基于非退化模型假设下的稳定极点理论, 本文找到了快速准确求解最小一乘估计的迭代算法,并给出算法的计算过程及与线性规划求解的比较, 较好地解决了最小一乘估计计算难的问题, 使其成为有效的参数估计方法.     

基于模拟退火算法的最小一乘回归新算法

最小一乘准则由于其稳健性较好而在工程中得到广泛的应用,但求解最小一乘回归模型系数的算法往往过于复杂或只能用于样本和变量个数较少的情形.本文根据最小一乘的性质,把最小一乘问题变为组合优化问题,将模拟退火算法用在最小一乘模型的求解上,在后面的数值实验中取得了较好的效果。     

图像处理中全变差正则化数据拟合问题算法回顾

全变差正则化数据拟合问题产生于许多图像处理任务,如图像去噪、去模糊、图像修复、磁共振成像、压缩图像感知等.近年来,求解此类问题的快速高效算法发展很快.以最小二乘、最小一乘等为例简要回顾求解此类问题的主要算法,并讨论一个全变差正则化非凸数据拟合模型在脉冲噪声图像去模糊问题中的应用.     

基于半参数回归模型的最小一乘局部线性算法

根据最小一乘准则,推导出最小一乘局部线性估计的计算方法,并通过对模拟数据的计算和分析,对比最小一乘核算法和最小二乘局部线性算法,验证了最小一乘局部线性算法是一种有效的,稳健的估计方法,并且有降低边界效应的作用．     

柯西分布的参数估计

研究了柯西分布的参数估计问题,给出了位置参数的最小一乘估计和尺度参数的低阶矩估计.证明了柯西分布位置参数的最小一乘估计具有渐近无偏性与强相合性;尺度参数的低阶矩估计具有强相合性.     

基于多目标规划法的模糊线性回归分析

讨论输入、输出均为模糊数,回归系数为实数时的模糊线性回归分析。由于模糊最小二乘线性回归容易受异常值的影响,而最小一乘法能有效地降低回归模型的误差。为此,基于最小一乘法,建立多目标规划模型并将其转化为非线性规划问题进行求解,从而实现模糊线性回归模型的参数估计。最后,结合一个数值实例,验证和比较该方法的合理性和优越性。     

层次分析中对数最小一乘排序法及其性质

利用最小一乘法原理 ,在层次分析中提出了一种新的排序方法——对数最小一乘法 ,并将其转化成线性规划问题求解 ,证明了对数最小一乘法的一些性质 .     

基于EM算法隐Markov模型参数估计

描述最大似然参数估计问题,介绍如何用EM算法求解最大似然参数估计.首先给出EM算法的抽象形式,然后介绍EM算法的一个应用:求隐Markov模型中的参数估计.用EM算法推导出隐Markov模型中参数的迭代公式.     

关于加权全最小一乘的探讨

设p（v;a;μ）为v∈Rk到超平面μTv+a=0的垂直距离,其中μ∈Rk,a∈R1.本文研讨的是寻找适当的a和μ使达到最小,这里{v1,v2,…,vn}(?)Rk而qi>0,i=1,2,…,n是给定的权.本文采用一条全新的途径来研讨上述加权全最小一乘问题的求解.文中导出了要使Q（u0,μ）达到最小,μ和u0应满足的若干本质性必要条件,而满足该条件的（μ,u0）只有有限多个;进而提出了一个求解加权全最小一乘问题的有限步终止算法.     

修正的模糊最小一乘线性回归

对文献[1]提出的基于对称三角模糊数的模糊最小一乘线性回归进行修正和扩展,给出模糊最小一乘线性回归模型的三种不同形式,并将其转化为线性规划或非线性规划问题进行求解。最后,给出几个数值实例,通过计算和比较,结果表明三种模糊最小一乘线性回归模型都具有非常好的拟合性。     

基于删失数据的一般回归模型的参数估计

本文考虑基于删失数据的一般回归模型回归系数的方向估计，结合非参数回归和最小一乘方法构造了模型方向的估计，在较为一般的条件下证明了估计量的相合性．     

干线网络的选址问题研究

考虑平面上和三维空间中同时确定多条干线的干线网络选址问题.对于平面上情形,通过最小化每个点到离它最近干线的加权距离之和,给出了一种有限步终止算法和基于k-means聚类分析、加权全最小一乘和重抽样方法的线性类算法;对于空间情形,给出了线性聚类算法.通过计算机仿真说明以上算法可以有效地确定平面和空间中干线网络位置.     

Least Absolute Deviation Estimation for Regression with ARMA Errors

The asymptotic normality for least absolute deviation estimates of the parameters in a linear regression model with autoregressive moving average errors is established under very general conditions. The method of proof is based on a functional limit theorem for the LAD objective function.     

Robust errors-in-variables linear regression via Laplace distribution

Robust estimation procedures for linear and mixture linear errors-in-variables regression models are proposed based on the relationship between the least absolute deviation criterion and maximum likelihood estimation in a Laplace distribution. The finite sample performance of the proposed procedures is evaluated by simulation studies.     

基于可调权重距离的最小一乘回归方法

不同时期数据对因变量的影响权重不同,若不考虑数据的时间特性而构建回归模型,可能不一定得到最佳的回归模型.针对经济领域中数据时间跨度大,样本少以及可能存在异常点的特点,提出基于可调权重距离的最小一乘回归方法.建立了可调权重距离的权重系数确定方法,并给出基于MATLAB的模型求解方法.通过某船舶使用费用预测的应用,表明通过方法构建的模型具有更高的精度,值得借鉴.     

基于模糊互补判断矩阵的对数最小一乘法及算法程序设计

利用正互反判断矩阵与模糊互补判断矩阵的转换关系,探讨模糊互补判断矩阵的一种排序方法——对数最小一乘法,并给出这种算法的程序设计.