1) MSE (Mean Square Error)
均方的误差
2) mean square of error
误差的均方
4) mean square error
均方误差
1.
Firstly,screen the descriptors using support vector machine regression(SVR) by leave-one-out method based on the minimum mean square error(MSE),get the optimal kernel and the corresponding retained descriptors.
首先以均方误差(MSE)最小为原则,以留一法通过多轮末尾淘汰实施分子结构描述符的非线性SVR汰选并给出最优核函数和相应保留描述符;其次基于待测样本与训练样本保留描述符向量的欧氏距离,以不同k-近邻群子模型双重留一法预测值反映样本集的异质性;然后基于MSE最小,以留一法通过多轮末尾淘汰实施近邻群子模型的非线性SVR汰选并给出最优核函数和相应保留子模型;最后基于保留子模型以双重留一法实施组合预测。
2.
For the generalized linear model with aggregated data:Y=Xβ+u,Eu=0,Var(u)=σ2∑,this paper is built two kinds of biased estimators: ridge estimator β(k)and improved ridge estimator β(k)which are discussed some superiority to the estimators in the sense of mean square error.
在均方误差意义下,研究了它们的优良性,并将岭估计与改进岭估计进行了比较,推广了有关文献中的结果。
3.
As to seemingly unrelated regression system,a new biased contracting estimator of the parameters is put forward,which is the combination of generalized ridge covariance-improved estimator and Stein estimator,and the good features of this estimator in mean square error is discussed.
对于一类相依回归系统,结合广义岭型协方差改进估计与Ste in估计,提出了一种新的有偏压缩估计,,并讨论了该估计在均方误差下的优良性质。
5) mean square of error
误差均方
6) MSE
均方误差
1.
A Motion Estimation Algorithm Based on the Quantized DCT Coefficients MSE Criterion;
基于量化系数均方误差准则的运动估计算法
2.
For a class of seemingly unrelated regression system consisting of two equations,an improved estimation of principal components is proposed and the optimal properties are discussed in the sense of mean squared error(MSE).
针对两个相依方程组成的一类回归模型,提出回归系数的一种组合主成分改进估计方法,在均方误差意义下讨论了这种估计量的优良性质,研究了此估计与主成份改进估计的关系。
3.
Under the MSE criterion,some properties of the improved c-k estimators are given.
针对设计矩阵Xi呈病态时的半相依线性回归系统,提出了系统参数iβ的一种c-k型改进估计,并证明了这种估计在均方误差意义下的若干优良性质。
补充资料：水文估计量的抽样误差
水文随机变量的分布函数中的参数(或参数的函数)的估计量的均方根误差。水文随机变量x的分布函数F(x，θ) 中所含的参数θ，一般皆为未知数, 需根据样本资料(x1，x2，...，xn)予以估计。换言之,为进行参数估计，必须构造一个样本的函数，称为估计量，记为(x1，x2，...,xn)，从而当有一具体样本(x1，x2,...,xn)之后,就可算出(x1，x2，...，xn),做为θ的估计值。由于样本为随机变量，可以证明,作为样本函数的估计量(x1,x2，...，xn)，也是随机变量，故有其概率密度函数，记为g(，θ)，称为抽样分布（见上页图）。它表示估计量取各种不同数值的可能性大小。虽然任一估计量取得真值θ的概率都为零, 但不同的估计量其平均误差的大小还是不同的。这个平均误差,通常以估计量对参数真值θ的均方根误差来代表，可表示为：
式中E为取期望值的符号,根据定义它等于式中右侧的积分。粗略地说，g(，θ)的图形对θ越集中, σ孌越小,反之则越大。
在水文统计中，需要估计的往往不仅是参数，还有参数的某种函数，例如x的p分位数xp(见水文随机变量)。在由样本求得了θ的估计量后, 就可进一步求得xp的估计量憫p。类似于对σ孌的讨论,通常以估计量憫p对真值xp的均方根误差来代表憫p的平均误差，记为σ憫p。σ孌特别是σ憫p的数值，在分布函数及估计方法都很简单时,可用分析方法采用近似公式予以计算。在分布函数或估计方法较复杂时，用近似公式计算，误差较大。这时可用蒙特卡洛方法求出其近似值。水文统计学研究的基本内容之一，就是要设法提出一种抽样误差最小的估计量。
式中E为取期望值的符号,根据定义它等于式中右侧的积分。粗略地说，g(，θ)的图形对θ越集中, σ孌越小,反之则越大。
在水文统计中，需要估计的往往不仅是参数，还有参数的某种函数，例如x的p分位数xp(见水文随机变量)。在由样本求得了θ的估计量后, 就可进一步求得xp的估计量憫p。类似于对σ孌的讨论,通常以估计量憫p对真值xp的均方根误差来代表憫p的平均误差，记为σ憫p。σ孌特别是σ憫p的数值，在分布函数及估计方法都很简单时,可用分析方法采用近似公式予以计算。在分布函数或估计方法较复杂时，用近似公式计算，误差较大。这时可用蒙特卡洛方法求出其近似值。水文统计学研究的基本内容之一，就是要设法提出一种抽样误差最小的估计量。
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