1) recursive UD factorization
递推UD分解
2) UD factorization
UD分解
1.
The form of model is proposed by principle analysis for ZR-250-7GD8 Vacuum Brazing Furnace, then the mathematic model is identified by UD factorization of Condensed Information Matrix (CIM) according to the experimental input-output data , and the validation of the identified model is testified at last.
然后利用实验输入、输出数据 ,采用信息压缩矩阵的UD分解对系统数学模型进行了辨识 ,并对辨识获得的模型进行了验证 。
3) recursive decomposition
递推分解
1.
This paper suggests a recursive decomposition form of system reliability structure function and establishes a recursive decomposition method for large-scale network seismic reliability analysis.
提出了系统结构函数的递推分解格式 ,建立了网络抗震可靠度的递推分解算法 。
4) matrix UD decomposition
矩阵UD分解
1.
In addition,the recursive least square based on matrix UD decomposition is used to confirm the conclusion parameters of fuzzy model for the sake of accumulating and transferring o.
另外,为了克服递推最小二乘出现的误差积累、传递现象,采用基于矩阵UD分解的递推最小二乘方法确定模糊模型的结论参数,从而实现模糊模型的结构和参数优化。
5) UD factorization-based filter
UD分解滤波
6) DecompositionDeduction
分解-递推法
1.
The Method of DecompositionDeduction for Deducing AtomicSpectroscopic Terms in jj Coupling of Equivalent Configuration;
分解-递推法推求等价组态j-j耦合原子光谱项
补充资料：递推估计算法
利用时刻t上的参数估计孌(t)、存储向量嗘(t)与时刻 t+1上测量的输入和输出值u(t+1)和y(t+1)计算新参数值孌(t+1),再根据孌(t+1)计算出新参数值孌(t+2)，直到获得满意的参数值为止。这种算法的每一步计算量都比较小，能够使用小型计算机进行离线或在线参数估计，可以估计时变参数，也可以实时估计适应控制器的参数（见适应控制系统）。20世纪60年代，递推估计算法得到迅速发展，到了70年代产生了许多不同的方法，例如，有离线方法的各种变形、卡尔曼滤波法、随机逼近方法和模型参考适应参数递推估计法等。递推估计算法的各种方法可以用一个统一的公式来描述：
给孌(t),F(t),嫓(t)和w(t)不同的值就得到各种不同的方法：①递推最小二乘法；②递推增广最小二乘法；③递推近似极大似然法；④递推辅助变量法；⑤递推广义最小二乘法；⑥卡尔曼滤波参数估计；⑦随机逼近法；⑧模型参考适应法；⑨时变参数递推估计法。
参考书目
Lennart Ljung，Torsten Soderstrom， Theory and Practice of Recursive Identification，MIT Press., Combridge, Mass., 1983.
给孌(t),F(t),嫓(t)和w(t)不同的值就得到各种不同的方法：①递推最小二乘法；②递推增广最小二乘法；③递推近似极大似然法；④递推辅助变量法；⑤递推广义最小二乘法；⑥卡尔曼滤波参数估计；⑦随机逼近法；⑧模型参考适应法；⑨时变参数递推估计法。
参考书目
Lennart Ljung，Torsten Soderstrom， Theory and Practice of Recursive Identification，MIT Press., Combridge, Mass., 1983.
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