高压线路的电阻、电抗和对地电纳在数值上差别很大,常规参数估计方法将其作为独立变量分别估计,导致电 阻、电抗和对地电纳的估计值误差不一致,其中小阻抗的误差常常很大。针对上述问题,提出了一种基于单位长度参数和长度的线路参数估计新模型。其中,状态变量为线路两端的多时段电压幅值与相角,参数变量为线路的单位长度参数和长度。由于引入了长度作为电阻、电抗和对地电纳的公共变量,突出了线路参数整体对潮流状态的影响,因而新模型可以保证线路参数估计值误差的一致性,避免了常规模型中小阻抗大误差的问题。另外,还提出了参数估计的混沌

提出一种对图像中每个点逐一取阈值进行分类的一种新的阈值分割算法。该算法利用图像中像素邻域的灰度值均值统计信息作为该点阈值设置的标准,并引入该点邻域内像素灰度值方差作为附加判断条件,使提取出来的目标点是图像的边缘点。事实上该阈值分割算法起到了边缘提取的效果。实验证明,本文算法起到了良好的边缘检测效果,并且验证了本算法对于以邻域统计信息作为阈值估计标准的合理性。

1．完成基于正态窗函数的 Parzen 窗法概率密度函数估计的 Matlab 程序编写， 并写出相应程序语句的文字说明； 2．选取 h1=0.25, 1.0, 4.0，分别在样本数 N=1, 16, 256, 1024, 4096 时画出原始概 率密度曲线和不同参数下估计的概率密度曲线。分析所得到概率密度曲线的变化 情况，说明 N、h1对概率密度函数估计的影响。 3.分析程序运行和实验中遇到的困难。

在有电磁波信息链的条件下，飞行器通过单电磁矢量传感器接收来自基站的完全极化电磁波信号，并对该信号进行处理获得电磁波的波达角和极化角。本文提出了一种新的基于电磁矢量传感器的MUSIC极化-空域联合谱估计方法，此方法将极化空域导向矢量分解成矩阵旋转乘积的形式，并将其作进一步的演化成矩阵生成元的形式。最后用仿真验证了算法的有效性。

PPT是我整理的对最小二乘法的学习好理解，内容包括： 1.什么是最小二乘法 & 如何求解 2.最小二乘法是否一定有解 & 几何意义 3.最小二乘法如何保证全局最优 4.加权最小二乘法(WLS) 5.最小二乘法使用条件 & 应用场景 6.最小二乘法优缺点 & 优化算法 7.引申讨论

seir模型参数估计

matlab中的gompertz代码== 模型黑盒 == 这个 matlab 包打算用作参数估计和模型模拟的黑匣子 它支持三种不同的后端： 八度（优化包） Matlab（优化工具箱） Matlab（SBTOOLBOX2 工具箱） 我们建议使用 Octave 或 Matlab 自己的工具箱，因为如果数据规模增加，SBTOOLBOX2 可能会变得不稳定。 模型基本目录中的模型与 Octave 和 Matlab 兼容。 基于 Octave 的模型的要求 Octave 环境（用 3.6.2 测试） 优化包 () 基于 Matlab 的模型的要求 Matlab环境 优化工具箱 编译器工具箱 基于 SBTOOLBOX2 的模型的要求 Matlab环境 编译器工具箱 SBTOOLBOX2 工具箱 SBPD 工具箱 结构 任何模型的使用都取决于具有三个文件： 模型：定义模型方程的地方 estimator : .m 文件，定义了估计参数的必要步骤 模拟器：.m 文件，模拟具有给定参数的曲线 这些文件允许为可以在线或在本地计算机中访问的模型生成 cgi 脚本 创建一个新的模型黑盒 Octave / Mat

一个比较好的用于自学和研究HMM性质的文档

回归参数估计 使用不同方法的回归模型中参数估计的R代码： 最小二乘 梯度下降 大都会-哈丁斯 使用JAGS进行吉布斯采样 该代码用于具有一个预测变量的线性回归问题（单变量回归）。 目的是通过一个简单的示例并为所有方法提供基本实现，以介绍机器学习中广泛使用的重要方面，例如梯度下降和蒙特卡洛方法。 此博客文章中介绍了不同的方法和代码： :

EM（expectation-maximization）算法是Dempster,Laird和Rubin(DLR)三个人在1977年正式提出的.主要是用于在不完全数据的情况下计算最大似然估计。ppt中包含以下内容： 算法介绍 EM算法 GEM算法性质 EM算法解释 EM不足及改进 作者：尤全增 ultimateyou@gmail.com