基于多维高协方差检验的智能电网状态评估中的大规模流PMU数据建模和分析

海洋科学的最大协方差分析（或奇异值分解）工具箱在这里命名 MCA，因为 MATLAB 已经有一个 'svd' 内置函数实际上，这个函数只是将 3D (lon,lat,time) 矩阵重新采样为 2D (lon*lat,time) 矩阵并删除 nan，然后执行 svd。 之后，将 2D 重新采样回 3D 以进行图形绘制。 作者吴泽伦zelunwu@stu.xmu.edu.cn, zelunwu@udel.edu 厦门大学海洋与地球科学学院特拉华大学地球、海洋与环境学院 自强不息，止于至善。

逆向工程中点云模型孔洞边界的检测是孔洞修补的前提,完美的孔洞轮廓线有利于提高孔洞修补的质量。首先参照二维图像中边界的定义,给出了三维点云模型中孔洞边界的定义;之后通过分析待测点邻域协方差矩阵特征值之间的关系,设计了一种边界点检测算子,用于初步提取孔洞边界特征点;然后采用改进的Kruskal最小生成树算法构建点云最小生成图,并在最小生成图中完成孔洞边界点的排序与孔洞轮廓线的提取。实验结果表明:所提边界检测算子步骤简单,算法效率高;基于计算机图论的孔洞轮廓线生成算法提取的孔洞轮廓线具有光滑、连续的优点,并且在生成轮廓线的同时完成了孔洞聚类。

当提供均值和协方差时，此函数绘制二维多变量高斯图。 它不使用 for 循环。 例如：绘图平均值= [10; 11]，cov = [6 0; 0 6] 2D多元高斯函数>> mvg([10;11],[6 0;0 6])

预期收益，方差和协方差是均方差投资组合选择问题的关键输入。 在传统的均值-方差投资组合模型中，先验排除了模型不确定性。 但是实际上，这些参数不是先验已知的，通常会估计有误。 当前的研究将模型不确定性纳入均值方差框架，但主要集中在不确定性均值上。 本文的目的是通过模糊性和模糊性厌恶的概念将不确定方差-协方差纳入均值方差投资组合模型。 本研究中开发的方法在数值上比较了收益歧义性和方差歧义性的影响。 尤其是，应通过股指数据重新检查不确定的方差-协方差是否会导致“不参与股市”和/或“房屋偏差”。

基于全对称协方差矩阵估计的一种改进的EFA抑制杂波

实施中提出的估计量“MMSE 协方差估计的收缩算法” Chen 等人，IEEE Trans。 在标志。 程序，第 58 卷，第 10 期，201 年 10 月

协方差和相关系数

Portfolio_Optimizer:优化投资组合-计算每日资产的执行年度收益和年度样本协方差矩阵

该文件比较了卡尔曼滤波器的三个不同版本。 卡尔曼滤波器用于递归参数估计。 卡尔曼滤波器可以处理噪声测量。 第一个实现的滤波器 (fcn_KF) 是具有标准的卡尔曼滤波器更新协方差矩阵 P。 协方差矩阵反映了预测的不确定性。 为了提高数值稳定性，Potter 开发了一个协方差矩阵 P 的平方根更新 (fcn_KF_SRP)。 另一个版本是平方根协方差更新通过三角化 (fcn_KF_SRT)。 该文件生成一个模型。 然后三个卡尔曼滤波器执行一个模型参数的估计。 最后比较结果。 资料来源： Simon, D. (2006)：最佳状态估计 Kaminski, P. (1971)：离散平方根滤波：当前技术概览 Golub, G. (1996)：矩阵计算