购物车中还没有商品,赶紧选购吧!
ISBN:
高斯误差条件下广义最小二乘估计理论与方法:针对线性观测模型
商品价格
降价通知
定价
手机购买
商品二维码
领 券
配送
上海市
数量
库存   个

推荐商品

  • 商品详情
手机购买
商品二维码
加入购物车
价格:
数量:
库存   个

商品详情

商品名称:高斯误差条件下广义最小二乘估计理论与方法:针对线性观测模型
物料号 :54281-00
重量:0.000千克
ISBN:9787040542813
出版社:高等教育出版社
出版年月:2020-12
作者:王鼎,唐涛,孙晨,李崇
定价:98.00
页码:396
装帧:精装
版次:1
字数:510
开本:16开
套装书:否

本书系统阐述了最小二乘估计理论与方法,从参数估计的角度来描述最小二乘估计问题,侧重理论的系统性和论证的严谨性,同时也强调其应用性和可读性。本书涵盖现有各种类型的最小二乘估计方法,主要包括线性最小二乘估计、总体最小二乘估计、约束总体最小二乘估计、结构总体最小二乘估计、非线性最小二乘估计、伪线性最小二乘估计、参数可分离最小二乘估计、含等式约束的最小二乘估计等。针对每一类最小二乘估计方法,本书给出了其观测模型、参数估计优化模型及其数值求解方法,并且推导了其理论估计性能。书中含有大量实例和数值实验结果,以便于读者理解和掌握。 “大数据科学”丛书涉及大数据理论、技术、产业和管理的方方面面,旨在帮助国内相关领域的学者、产业界人士了解世界大数据研究和应用的前沿进展,也可以作为教学之用。

前辅文
第1章 引言
  1.1 最小二乘估计理论与方法概述
  1.2 最小二乘估计方法的起源与研究现状: 针对线性观测模型
  1.3 本书的内容安排
第2章 数学预备知识
  2.1 矩阵理论中的若干预备知识
  2.2 多维函数分析初步
  2.3 拉格朗日乘子法原理
  2.4 参数估计方差的克拉美罗界
  2.5 一阶误差分析方法原理
第3章 线性最小二乘估计理论与方法: 基础知识
  3.1 线性观测模型
  3.2 线性最小二乘估计优化模型、求解方法及其理论性能
  3.3 线性最小二乘估计的几何解释
  3.4 线性等式约束条件下的线性最小二乘估计优化模型、求解方法及其理论性能
  3.5 矩阵形式的线性最小二乘估计问题
  3.6 两个线性最小二乘估计的例子
第4章 线性最小二乘估计理论与方法: 递推求解
  4.1 按阶递推线性最小二乘估计
  4.2 序贯线性最小二乘估计
第5章 线性最小二乘估计理论与方法: 误差协方差矩阵秩亏损
  5.1 线性观测模型
  5.2 误差协方差矩阵秩亏损条件下的线性最小二乘估计优化模型
  5.3 误差协方差矩阵秩亏损条件下的线性最小二乘估计问题的数值求解方法
  5.4 误差协方差矩阵秩亏损条件下的线性最小二乘估计的理论性能
  5.5 数值实验
第6章 总体最小二乘估计理论与方法: 基础知识
  6.1 线性观测模型
  6.2 总体最小二乘估计优化模型、求解方法及其理论性能
  6.3 总体最小二乘估计的几何解释
第7章 总体最小二乘估计理论与方法: 加权与等式约束
  7.1 线性观测模型
  7.2 加权总体最小二乘估计优化模型、求解方法及其理论性能
  7.3 含等式约束的加权总体最小二乘估计优化模型、求解方法及其理论性能
第8章 约束总体最小二乘估计理论与方法
  8.1 线性观测模型
  8.2 约束总体最小二乘估计优化模型与求解方法
  8.3 约束总体最小二乘估计的理论性能
  8.4 约束总体最小二乘估计问题的克拉美罗界及其渐近最优性分析
  8.5 数值实验
第9章 基于秩亏损的结构总体最小二乘估计理论与方法
  9.1 从秩亏损的角度重新理解总体最小二乘估计问题
  9.2 基于秩亏损的结构总体最小二乘估计优化模型与求解方法
  9.3 结构总体最小二乘估计的理论性能
  9.4 数值实验
第10章 基于2-范数的结构总体最小二乘估计理论与方法: 模型
  10.1 线性观测模型
  10.2 基于2-范数的结构总体最小二乘估计优化模型与求解方法
  10.3 基于2-范数的结构总体最小二乘估计的理论性能
  10.4 数值实验
第11章 基于2-范数的结构总体最小二乘估计理论与方法: 模型
  11.1 线性观测模型
  11.2 基于2-范数的结构总体最小二乘估计优化模型与求解方法
  11.3 基于2-范数的结构总体最小二乘估计的理论性能
  11.4 数值实验
第12章 贝叶斯估计理论与方法: 未知参量为标量
  12.1 先验知识的重要作用
  12.2 三种常见的贝叶斯准则及其最优估计值
  12.3 关于高斯概率密度函数的一个重要性质
  12.4 高斯后验概率密度函数条件下的一个数值实验
第13章 贝叶斯估计理论与方法: 未知参量为向量
  13.1 多余参数的影响
  13.2 贝叶斯最小均方误差估计方法
  13.3 最大后验概率估计方法
第14章 贝叶斯估计理论与方法: 线性最小均方误差估计器
  14.1 线性最小均方误差估计器的基本原理
  14.2 线性最小均方误差估计器的几何解释
  14.3 序贯线性最小均方误差估计器
第15章 贝叶斯估计理论与方法: 线性卡尔曼滤波
  15.1 线性系统状态估计问题的数学模型与新息序列
  15.2 标准线性卡尔曼滤波器
  15.3 信息滤波器
  15.4 误差统计相关条件下的线性卡尔曼滤波器
附录
  A 式(3.99) 至式(3.101) 的证明
  B 式(4.20) 的证明
  C 式(4.45)、式(4.46) 和式(4.50) 的另一种推导方法
  D ∂vec(H(x))
  ∂xT 表达式的推导
  E 式(7.38) 的证明
  F ∂vec(W(x))
  ∂xT 表达式的推导
  G 式(8.76) 的证明
  H 式(9.67) 的证明
  I ˆXOPT(α) 表达式的推导
  J F(b)
  0,1 (x2,α) 和F(b)
  0,2 (x2,α) 表达式的推导
  K 式(12.11) 的证明
  L 式(12.25) 的证明
  M 式(14.36) 的证明
  N 式(14.89) 中第2 个等式的证明
  O 式(14.92) 中第2 个等式的证明
  P 式(15.34) 中第3 个等式的证明
参考文献

对比栏

1

您还可以继续添加

2

您还可以继续添加

3

您还可以继续添加

4

您还可以继续添加