1) Gauss-Markov estimate
Gauss-Markov估计
2) Gauss-Newton estimator
Gauss-Newton估计
3) gauss markof estimator
Gauss-Markof估计
4) Gauss-Markoff estimator
Gauss-Markoff估计
1.
In this paper, it is shown that the probability of the Gauss-Markoff estimator of θfalling inside any fixed ellipsoid centered at E(θ) is greater than or equal to the prooability that any linear unbiased estimator of θ falls inside the same ellipsoid.
本文考虑随机化效应模型Y=χβ+ε,这里β和ε是随机变量,研究了Gauss-Markoff估计的概率最优性。
5) Markov estimation
Markov估计
1.
By using the Cholesky factorization and inverse method for unit lower triangular matrix, the multi-sensor measurement model with correlated measurement noises is transformed to an equivalent pseudo one with uncorrelated measurement noises; then based on the Markov estimation, a new multi-sensor data fusion method with correlated measurement noises is proposed.
对于测量噪声相关的多传感器测量模型,利用Cholesky分解和单位下三角阵的求逆方法,将其转化为测量噪声互不相关的等价的多传感器伪测量模型,然后基于Markov估计,提出了一种测量噪声相关情况下多传感器数据融合的新方法。
2.
and the Markov estimation of systems parameter and its recursion algorithm are presented.
得到了系统参数的Markov估计及其递推算法,数值仿真计算研究表明所提算法是高效可行的。
6) Gauss-Markov model
Gauss-Markov模型
1.
By examining the good property of the ridge estimate of parameter β in general Gauss-Markov model and comparison to the estimate outcome of,the lower bound of efficiencies least square estimate with respect to the ridge estimate is discussed.
考察一般Gauss-Markov模型中未知参数向量β的岭估计的优良性质,在文献[1]提出的估计β~相对于估计β^的(相对)效率e(β~β^)下,进一步讨论了最小二乘估计(LSE)相对于岭估计的效率下界,得到更好的结果。
2.
Gauss-Markov model is frequently used in multivariate data analysis and processing, and its parameter estimation is always a hot issue.
Gauss-Markov模型是多元数据分析处理工作中常用的模型,其参数估计与筛选一直是研究的热点。
3.
In this paper,based on analyzing ordinary ridge estimation properties,a new biased estimation of unknown parameters called combining ridge and principal component(CRPC)estimation is generat-ed for Gauss-Markov model by using the principal component estimation method.
在分析岭估计缺陷的基础上,运用主成分估计方法,提出了测量平差Gauss-Markov模型参数的一个新的有偏估计,称为岭-主成分组合估计,在均方误差意义下讨论了岭-主成分组合估计的优良性质及其岭-主成分组合估计与岭估计、主成分估计的比较问题,讨论了岭-主成分组合估计中偏参数的选取问题,得到了许多重要结论。
补充资料：Gauss-Seidel iteration method
分子式：
CAS号：
性质：求解线性方程组Ax=b的一种迭代法，其迭代格式为(i=1,2,…,n；m=1，2，…)。其中初始值取xi(v)(i=1,2,…,n)为任意给定值。其迭代结束条件为为给定的精度要求。其收敛性充分条件为：判别条件I——线性方程组的系数方阵A如具备性质(1)按行(或按列)为严格对角占优，或(2)不可约且按行(或按列)为弱对角占优；判别条件II——线性方程组的系数方阵A为对称正定的。此法在电子计算机上执行既省存储单元又加快收敛速度。
CAS号：
性质：求解线性方程组Ax=b的一种迭代法，其迭代格式为(i=1,2,…,n；m=1，2，…)。其中初始值取xi(v)(i=1,2,…,n)为任意给定值。其迭代结束条件为为给定的精度要求。其收敛性充分条件为：判别条件I——线性方程组的系数方阵A如具备性质(1)按行(或按列)为严格对角占优，或(2)不可约且按行(或按列)为弱对角占优；判别条件II——线性方程组的系数方阵A为对称正定的。此法在电子计算机上执行既省存储单元又加快收敛速度。
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