1) estimation of singular values
奇异值估计
1.
In this paper,the authors give the estimation of singular values for product of m matrices: max ∑mj=1i (j) =(m-1)n+i ∏mj=1σ (j) i (j) ≤σ i≤ min ∑mj=1i\+\{(j)\}=i+m-1 ∏mj=1σ (j) i (j) , 1≤i≤nand give a lower bound of ∑kj=1σ\-i and ∏ki=1σ\-i as well.
本文给出了m 个矩阵乘积的奇异值估计:m ax∑mj= 1i(j)= (m- 1)n+ i∏mj= 1σ(j)i(j) ≤σi ≤ m in∑mj= 1i(j)= i+ m - 1∏mj= 1σ(j)i(j), 1 ≤i≤n同时给出了∑ki= 1 σi,∏ki= 1 σi 的一个下
2) Estimate of singular integral
奇异积分的估计
3) Class estimated basis Space singular Value De-composition(CSVD)
类估计基空间奇异值分解
4) SVD-LMMSE
基于奇异值分解的线性最小均方误差估计
5) SVDRE
奇异改进型岭估计
1.
The paper come up with a new method of biased estimate—the method of SVD improving ridge estimate(SVDRE).
本文提出一种新的有偏估计方法-奇异改进型岭估计,试验表明该方法能够有效克服病态性对平差系统带来的不良影响,是一种值得重视的有偏估计方法。
6) Signal Singular Value Reductioa
去奇异值
补充资料：插值估计法
插值估计法是根据统计资料中若干已知项目的对应关系资料来推算未知项目的对应关系的数值。有内插法、线性插值法和拉格朗日插值法等。
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