1) generalized Strichartz estimates
广义Strichartz估计
2) Strichartz estimates
Strichartz估计
1.
Schrdinger structure is exploited to establish the Strichartz estimates,It shows the local and global well-posedness,which depends on the dispersive structure development and existence interval extension by using energy conservation theory.
首先利用局部Strichartz估计证明了该方程的局部适应性理论,这依赖于色散结构的开发,进而利用能量守恒延拓存在区间,得到解的整体惟一性。
3) Strichartz estimate
Strichartz估计
1.
By means of its Schrdinger structure to establish the local Strichartz estimates,the local posedness is given.
研究含非局部非线性项的四阶波动方程,借助其Schrdinger结构的特征建立局部Strichartz估计,给出了该方程的局部适应性理论。
2.
This thesis is devoted to the study of the Strichartz estimate and it's angular improve-ment for the linear homogeneous wave equation, the well-posed problems in the Sobolevspace H~s with almost optimal s for derivative semilinear wave equation, and the radialimprovement of the local well-posedness for second order quasilinear wave equation in1+2 dimensions.
在本文中，我们致力于系统的研究线性齐次波方程的Strichartz估计及其改善，以及半线性波动方程在具有几乎最优正则性指标s的Sobolev空间H~s中的局部适定性和小初值整体适定性。
4) Strichartz-type estimates
Strichartz-型估计
5) Strichartz weighted estimates
Strichartz加权估计
6) generalized ridge estimation
广义岭估计
1.
Two criterions for the determination of partial parameter of multivariate generalized ridge estimation;
多元广义岭估计确定偏参数的两种准则
2.
This paper combined bundle adjustment with line and angle respectively computing,generalized ridge estimation and indirect adjustment of observation with condition.
CCD卫星影像空间后方交会时,存在系数矩阵列向量间的强相关的问题,用光束法平差同样存在这个问题,将光束法平差与线角元素分求法、广义岭估计、附有限制条件的平差结合,证实三种方法都可以克服平差时外元素和变率改正数震荡大的缺点,并且取得了合理的空间后方交会精度和地面点定位精度。
3.
In this paper the criterion is generalized and then used to compare the advantage and disadvantage of the least square estimation of the regression parameter in growth curve model and a generalized ridge estimation.
本文将它推广应用于生长曲线模型回归参数阵的最小二乘估计和广义岭估计优劣性的比较。
补充资料：广义最小二乘估计
用迭代的松弛算法对线性最小二乘估计的一种改进。线性最小二乘估计在模型误差为相关噪声时是有偏估计，即其估计值存在偏差。这时采用广义最小二乘估计能获得较精确的结果。
假设所讨论的单输入单输出系统的差分方程模型是
式中{uk}和{yk}分别是输入和输出序列：和是算子多项式,它们的系数是需要通过估计来求出的未知数;z-1是单位延迟算子；{ek}是误差序列，它是零均值平稳相关噪声序列。为了进行广义最小二乘估计可以从形式上把ek变换成，这里，它的系数也是未知的。如果{ek}具有有理谱密度,则可把{εk}当作白噪声序列来处理。这样就把系统模型变成
相应的估计准则是
广义最小二乘估计就是使估计准则J为极小的参数估计。多项式A(z-1)、B(z-1)和C(z-1)的系数都是未知的,所以不能用一个线性算法获得广义最小二乘估计。
广义最小二乘估计采用迭代的松弛算法：先行固定C(z-1)，估计A(z-1)和B(z-1),使J 趋于极小；然后固定A(z-1)和B(z-1),估计C(z-1),使 J 趋于极小。如此反复迭代，直至估计值收敛。这时每步只进行简单的线性最小二乘估计运算，迭代的初值取扗(z-1)=1。
广义最小二乘估计算法的估计精度高，已得到应用并获得不少成果。它的缺点在于：当信噪比较小时,J可能有多个局部极小点，估计结果不能保证收敛到全局最小点，即参数真值；它的计算量也比线性最小二乘估计增加很多。
这种算法也可推广到多输入多输出系统，并且有相应的近似递推估计算法。当误差{ek}为正态噪声序列时，这种算法还可以解释为极大似然估计的松弛算法。
参考书目
G.G.哥德温、R.L.潘恩著，张永光、袁震东译：《动态系统辨识：试验设计与数据分析》，科学出版社，北京，1983。(G.C.Goodwin and R.L.Payne，Dynamic System Identification：Experiment Design and Data Analysis, Academic Press, New York,1977.)
假设所讨论的单输入单输出系统的差分方程模型是
式中{uk}和{yk}分别是输入和输出序列：和是算子多项式,它们的系数是需要通过估计来求出的未知数;z-1是单位延迟算子；{ek}是误差序列，它是零均值平稳相关噪声序列。为了进行广义最小二乘估计可以从形式上把ek变换成，这里，它的系数也是未知的。如果{ek}具有有理谱密度,则可把{εk}当作白噪声序列来处理。这样就把系统模型变成
相应的估计准则是
广义最小二乘估计就是使估计准则J为极小的参数估计。多项式A(z-1)、B(z-1)和C(z-1)的系数都是未知的,所以不能用一个线性算法获得广义最小二乘估计。
广义最小二乘估计采用迭代的松弛算法：先行固定C(z-1)，估计A(z-1)和B(z-1),使J 趋于极小；然后固定A(z-1)和B(z-1),估计C(z-1),使 J 趋于极小。如此反复迭代，直至估计值收敛。这时每步只进行简单的线性最小二乘估计运算，迭代的初值取扗(z-1)=1。
广义最小二乘估计算法的估计精度高，已得到应用并获得不少成果。它的缺点在于：当信噪比较小时,J可能有多个局部极小点，估计结果不能保证收敛到全局最小点，即参数真值；它的计算量也比线性最小二乘估计增加很多。
这种算法也可推广到多输入多输出系统，并且有相应的近似递推估计算法。当误差{ek}为正态噪声序列时，这种算法还可以解释为极大似然估计的松弛算法。
参考书目
G.G.哥德温、R.L.潘恩著，张永光、袁震东译：《动态系统辨识：试验设计与数据分析》，科学出版社，北京，1983。(G.C.Goodwin and R.L.Payne，Dynamic System Identification：Experiment Design and Data Analysis, Academic Press, New York,1977.)
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