1) sequential conditional least-squares
序贯条件最小二乘
2) recursive least squares(RLS)
序贯最小二乘
1.
To estimate systemic errors of multi-sensors in real-time,the registration algorithm based on recursive least squares(RLS) for multi-sensors is presented,concerning for the generalized least-squares estimation(GLS) algorithm being not used for estimating sensors error in real-time.
为实时估计多传感器系统偏差,针对广义最小二乘(GLS)配准方法不能实时估计传感器偏差的问题,提出了基于序贯最小二乘的多传感器误差估计方法,该方法在GLS配准模型基础上,采用最小二乘的序贯方法来估计系统偏差,不必存储过去的测量数据,能够实时估计系统偏差。
3) Sequent least square method
序贯最小二乘法
4) conditional least squares
条件最小二乘
1.
In this paper,conditional least squares estimation and maximum quasi-likelihood estimation are studied for a simplfied new Laplace AR(1)model,and their consistency and asymptotic normality are also considered.
研究了一个简化的新的Laplace AR(1)模型参数的条件最小二乘估计和最大拟似然估计,并讨论了它们的强相合性和渐近正态性。
5) sequential least squares estimation
序贯最小二乘估计
6) conditional expectation OLS
条件期望最小二乘
补充资料：非线性最小二乘拟合
分子式：
CAS号：
性质：用最小二乘法拟合非线性方程。有些变量之间的非线性模型，通过变量变换可以化为线性模型，此称为外在线性。而有些变量之间的非线性模型，通过变量变换不能化为线性模型，通称为内在非线性。对于非线性模型y=f(ξ,θ)+ε，其残差平方和。S(θ)是θ的函数，当模型关于θ是非线性的，正规方程关于θ也是非线性的。基于使残差平方和s(θ)达到极小的原理求出θ的估计值，拟合非线性回归方程。
CAS号：
性质：用最小二乘法拟合非线性方程。有些变量之间的非线性模型，通过变量变换可以化为线性模型，此称为外在线性。而有些变量之间的非线性模型，通过变量变换不能化为线性模型，通称为内在非线性。对于非线性模型y=f(ξ,θ)+ε，其残差平方和。S(θ)是θ的函数，当模型关于θ是非线性的，正规方程关于θ也是非线性的。基于使残差平方和s(θ)达到极小的原理求出θ的估计值，拟合非线性回归方程。
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