1) matrix estimation
矩阵估计
1.
Based on generalized least square (GLS) model, a dynamic origindestination (OD) matrix estimation algorithm with sliding window is established.
基于广义最小二乘模型建立了一种带滑动窗的动态起点 迄点(OD)矩阵估计算法,可通过对路段交通量和行程时间的检测来估计时变的OD数据。
2) Matrix of estimator
估计矩阵
3) OD matrix estimation
OD矩阵估计
1.
OD matrix estimation model based on the second order statistics of road flow was given based on the traditional OD matrix estimation model.
在构建OD矩阵模型时,充分考虑路网中一定连续期内各路段流量的二阶统计量和出行者路径选择的随机性,提出了一种基于路段流量二阶统计量的OD矩阵估计模型,解决了观测路段的相关性和OD矩阵估计求解的不确定性问题。
4) traffic matrix estimation
流量矩阵估计
1.
Generalized regression neural network-based traffic matrix estimation
基于广义回归神经网络的流量矩阵估计
2.
With the exponential increase in the size of the IP network and the urgent demands in network management and maintenance, traffic matrix estimation has currently become an interesting topic.
随着IP网络规模指数式增长而带来的对网络管理和维护的迫切需求，流量矩阵估计已成为当前的热点研究问题。
3.
Finally, various factors is proposed, which should be considered carefully in improving the accuracy of traffic matrix estimation.
文中对现有的流量矩阵估计中几个最重要估计方法进行了分析和总结,指出它们的优点和缺陷,最后提出进一步估计流量矩阵所需要考虑的因素。
5) metrix of estimate function
估计函数矩阵
6) covariance matrix estimation
协方差矩阵估计
1.
For the environment in which the clutter power changes slowly with distance,a novel weighting maximum likelihood estimation(WMLE) algorithm is proposed that uses the Bayes criterion to improve the approximative covariance matrix estimation for Space-Time Adaptive Processing(STAP).
针对杂波功率随距离缓变的非均匀环境,提出了一种新的基于Bayes准则的加权最大似然估计(WMLE)算法,以改善空时自适应处理(STAP)中的协方差矩阵估计。
2.
For the clutter power slowly changed environment—range-dependent nonhomogeneity,the weighting covariance matrix estimation algorithm is proposed which is based on the relative distance criterion.
针对杂波功率依距离缓变的非均匀环境,提出了基于相对距离准则的加权协方差矩阵估计算法。
补充资料：Bayes估计量
Bayes估计量
Bayesian estimator
Bayes估计量【Bayesi助始廿ma.件;D自狱.。眨..界..] 用BayeS方法(Bayesian aPProach)由观察值对一未知参数所作的估计.统计问题使用这样的方法时，一般都假定未知参数所0 gR“是一具有给定先验分布7r=武do)的随机变量，决策空间D与集合0重合.且损失L(0，d)表示变量0与估计d的偏离.因此，函数L勿，d)通常假定为有形式L勿，d)=a(e)又(口一d)，其中又是误差向量0一d的某个非负函数，若k二1，则常取又勿一d)={0一d}“(“>0).最有用且在数学上最方便的是平方损失函数L(口，d)=}‘一d1’.对这一损失函数，Bayes估计量(Ba卿决策函教(Bavesian dedsion function))占’二亡厂(x)定义为使最小总损失 !;‘p‘二·“，一，‘薯必，“一”‘·’2’〕口‘么，叮‘““，达到的函数，或与之等价，了是使最小条件损失 ，母‘E{[口一占(x)]2+“)达到的函数，由此推出，在平方损失函数的场合，B竹es估计量与后验均值占‘(x)=E勿{x)相等，而Bayesj双险(Bayes risk)为 。‘二，占‘)二E!D矿夕}x)]‘此处O(0}劝是后验分布的方差: o(口{x)二任{{口一E(0{x)12!，、}. 例设二=(x，，，二，戈)，这里x，，，二，x。为具正态分布N勿，。’)的独立同分布变量，护己知，而未知参数0有正态分布N扭，铲).因为当x给定时口的后验分布为正态N(拜。，T:一、其中 n又。2一十“下一2 灿。二一—，，。一二n口‘一奋了一_ n口一汁~下且万=(x，十一+凡)/。，可知在平方损失函数{分一引’之下，Bayes估计量为占’(x)=线，而Bayes风险则为《二犷六伽铲十护).AH川畔即撰[补注]
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条