加权广义逆、加权最小二乘和约束最小二乘问题

本文采用如下记号:记C~m×n是具有复数域的m×n长方矩阵的集合,C~m=C~m×1是m维向量的集合.对A∈C~m×n称A~H∈C~m×n是A的共轭转置矩阵,rank(A)表示A的秩,R(A)和N(A)分别为A的值域和零空间,||·||=||·||2和||·||F分别为2-范数和Frobenius范数;I表示恒等矩阵.人们在研究数学规划、数值分析、数据处理,散射理论和电磁学等领域中都将问题归纳为如下的最小二乘问题:     

加权总体最小二乘问题的分析

总体最小二乘问题由Golub和Van Loan首先进行数学的分析,随后人们对于总体最小二乘问题的算法、解的各种形式、总体最小二乘解和最小二乘解的关系、总体最小二乘解的扰动理论以及数值试验作了大量的研究工作。近来,[10]中给出了总体最小二乘问题(TLS)较一般地讨论。另一方面,Golub和Van Loan研究了总体最小二乘问题的特殊均加权形式。本文试图在[10,11]的基础上讨论最一般的总体最小二     

加权总体最小二乘问题的解集和性质

本文讨论了加权总体最小二乘问题的等价解集，分析了加权总体最小二乘解与加权最小二乘问题的解之间的关系。推广了Ｇｏｌｕｂ和Ｖａｎ Ｌｏａｎ，Ｖａｎ Ｈｕｆｆｅｌ和Ｖａｎｄｅｗａｌｌｅ，及Ｗｅｉ的相应结果。     

数据拟合函数的加权最小二乘积分法

数据拟合的方法很多,每种方法各有特点.探讨了积分准则下的数据加权拟合函数的方法,称为加权最小二乘积分法,并给出了三个常用拟合函数具体形式.     

求解加权线性最小二乘问题的一类预处理GAOR方法

为了快速求解一类来自加权线性最小二乘问题的2×2块线性系统,本文提出一类新的预处理子用以加速GAOR方法,也就是新的预处理GAOR方法.得到了一些比较结果,这些结果表明当GAOR方法收敛时,新方法比原GAOR方法和之前的一些预处理GAOR方法有更好的收敛性.而且,数值算例也验证了新预处理子的有效性．     

一类对称正交对称矩阵反问题的最小二乘解

1 引言 本文记号R~(n×m),OR~(n×n),A~+,I_k,SR~(n×n),rank(A),||·||,A*B,BSR~(n×n)和ASR~(n×n)参见[1].若无特殊声明文中的P为一给定的矩阵且满足P∈OR~(n×n)和P=P~T. 定义1 设A=(α_(ij))∈R~(n×n).若A满足A=A~T,(PA)~T=PA则称A为n阶对称正交对称矩阵;所有n阶对称正交对称矩阵的全体记为SR_P~n.若A∈R~(n×n)满足A~T=A,(PA)~T=-PA,则称A为n阶对称正交反对称矩阵;所有n阶对称正交反对     

Logistic回归中的加权最小二乘估计

本文引入因变量是虚拟变量的回归模型 ,并通过logistic函数拟合这种模型 ,分析它在控制和预测方面的不足之处 .在此基础上提出用加权最小二乘估计回归方程 .模拟结果表明 ,此方法是可行的     

基于Pena距离的加权最小二乘估计的影响分析

利用Pena距离对加权线性最小二乘估计的影响问题进行讨论,得到加权最小二乘估计的Pena距离的表达式,对其性质进行讨论,从而得到高杠异常点的判别方法.文中对Pena距离与Cook距离的性能进行了对比,得到在一定条件下Pena距离优于Cook距离的结论.并通过数值实验对此方法的有效性进行验证.     

求解加权线性最小二乘问题的预处理迭代方法

给出了求解一类加权线性最小二乘问题的预处理迭代方法,也就是预处理的广义加速超松弛方法（GAOR）,得到了一些收敛和比较结果．比较结果表明当原来的迭代方法收敛时,预处理迭代方法会比原来的方法具有更好的收敛率．而且,通过数值算例也验证了新预处理迭代方法的有效性．     

Fuzzy多项式预测的数学模型的最小二乘估计

以LR型Fuzzy数空间的距离为基础,给出Fuzzy多项式预测的数学模型的最小二乘估计。     

一类多元加权最小乖正交多项式

This paper introduces a new notion of weighted least-square orthogonal polynomials in multivariables from the triangular form. Their existence and uniqueness is studied and some methods for their recursive computation are given. As an application, this paper constructs a new family of Pade-type approximates in multi-variables from the triangular form.     

剔除相关性的最小二乘研究

本文提出了一种新的回归模型,剔除相关性的最小二乘,它有效的克服了变量间的相关性,兼顾到变量的筛选。并与最小二乘、向后删除变量法、偏最小二乘比较分析。发现剔除相关性的最小二乘能很好的处理自变量间多重相关性,对变量进行有效的筛选,克服了回归系数反常的现象。     

关于矩阵方程AXB=E的加权最小二乘Hermite解

In this paper, we discuss the matrix equation AXB = C. We obtain a terse expression of weighted least-squares solution by applying the canonical correlation decomposition(CCD), we discuss the sufficient and necessary conditions for existence of Hermitian solutions, and derive a general form of the Hermite solutions.We also derive the expression of the optimal approximation solution in the set of Hermite soluti6ns to given matrix.     

关于“求解加权线性最小二乘问题的一类预处理GAOR方法”一文的注记

在"求解加权线性最小二乘问题的一类预处理GAOR方法"一文中,作者提出了求解加权线性最小二乘问题等价$2\times 2$块线性系统的一类预处理GAOR方法,并给出了几个比较定理来说明新提出预处理GAOR方法的优越性.本文我们将指出该文中几个比较定理的不完善之处和证明的错误之处,并给出正确的证明.     

线性模型中加权混合估计相对于最小二乘估计的两种相对效率

本文提出了线性模型中加权混合估计相对于最小二乘估计的两种相对效率,并给出了这些相对效率的上下界.     

等式约束加权线性最小二乘问题的解法

1 引言 在实际应用中常会提出解等式约束加权线性最小二乘问题 min||b-Ax||_M,(1.1) x∈C~n s.t.Bx=d, 其中B∈C~(p×n),A∈C~(q×n),d∈C~p,b∈C~q,M∈C~(q×q)为Hermite正定阵. 对于问题(1.1),目前已有多种解法,见文[1—3).本文将利用广义逆矩阵的知识,给出(1.1)的通解及迭代解法.本文中关于矩阵广义逆与投影算子(矩阵)的记号基本上与文[4]的相同.例如,A~+表示A的MP逆,P_L表示到子空间L上的正交投影算子,λ_(max)(MAY)表示矩阵M~(1/2)AY的最大特征值.我们还要用到广义BD逆的概念: 设A∈C~(n×n),L为C~n的子空间,则称A_(L)~(+)=P_L(AP_L+P_L⊥)~+为A关于L的广义BD逆.     

一类Stokes方程的最小二乘混合元方法

对定常和非定常两种类型的Stokes方程建立了一类新的最小二乘混合元方法,并进行了分析,对定常的方程,采用了对u和σ的不同指标的有限元空间进行计算(LBB条件不需要),得到了最优的H1和L2模估计.对非定常的方程,采用了传统的Raviart-Thomas混合元空间,得到了最优的L2模估计.     

矩阵方程AXB=D的最小二乘Hermite解及其加权最佳逼近

本中,我们讨论了矩阵方程AXB=D的最小二乘Hermite解,通过运用广义奇异值分解(GSVD)，获得了解的通式。此外,对于给定矩阵F，也得到了它的加权最佳逼近表达式。     

非线性最小二乘问题的一类迭代解法

本给出了求解非线性最小二乘问题的一种迭代解法，即由已知节点数据（xi,yi）(i=1,2,…,m）求函数y=f(x,b1,b2,…，bn）中非线性参数b1,b2,…，bn的一种迭代解法。并用实际算例的结果说明了该迭代解法优于一般线性化方法，说明了该种方法在实际工程领域中的应用。     

线性流形上矩阵方程B^TXB=D的加权最小二乘对称解和解的最佳逼近

本文利用矩阵的奇异值分解（SVD）,给出了在一流形上矩阵方程B^TXB=D的加权最小二乘对称解的通解表达式,并解决了加权最小二乘对称解的最佳逼近问题。