1) the level-value estimation method
水平值估计算法
1.
Firstly,we reformulate the NCP as a constrained global optimization problem(CGOP),then we can solve the NCP by using the level-value estimation method for GCOP which is proposed in[4,5].
本文研究非线性互补问题(NCP)的求解算法,先将NCP转化为约束全局优化问题(CGOP),然后直接移植求解问题(CGOP)的水平值估计算法来求解问题(NCP)。
2) level-value estimation
水平值估计
1.
A level-value estimation method was illustrated for solving the constrained global optimization problem.
给出了一种求约束总极值的水平值估计方法,说明了修正的方差方程的根与原始问题的最优值之间的等价性,给出了一种基于牛顿法的水平值估计算法并证明了实现算法的收敛性。
2.
In this paper, we propose a level-value estimation method for solving global optimization, and we have shown that the root of the modified variance equation is also the optimal value of the original problem, which is sought iteratively by the Newton s method.
本文提出了一种求解全局优化问题的水平值估计方法,并证明了原问题的最优解值是某个函数方程的根,该方程可用牛顿法来求解,数值例子表明值估计方法是有效的。
5) The level-value descent method
水平值下降算法
6) estimation algorithm
估计算法
1.
Research on the estimation algorithm of the carrier phase in demodulation of QAM;
QAM解调中载波相位估计算法研究
2.
The IMM and some classical estimation algorithms are introduced and compared in the paper.
为此,介绍了IMM及基于IMM的几种经典估计算法,对它们进行比较研究,并通过机动目标跟踪的仿真算例说明各算法的适用条件、原理、异同点、性能及复杂性,对机动目标跟踪估计器的选择有重要参考价值。
3.
With combination of the most recent advances in IF estimation methodologies,estimation algorithms are categorized systematically according to similarity,among which the estimation algorithms for mono-component signals are classified as Phase Method,Peaks Detection Method,Zero-Crossing Method and Teager Energy Operator Method,as well as Roots Searching Method,and that for multi-component si.
结合瞬时频率估计算法的最新研究进展,根据相似性将估计算法进行了系统分类,其中将单分量信号估计算法分为相位法、谱峰检测法、过零点法与Teager能量算子法以及求根估计法;将多分量信号估计算法分为相位法、谱峰检测法、求根估计法和希尔伯特-黄变换(HHT)法。
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