2) secondary variable
辅助变量
1.
Precision of spatial interpolation for forest duff layer depth based on secondary variable
基于辅助变量的森林半腐层厚度空间插值精度
2.
The selection of secondary variable is crucial in soft sensor.
辅助变量的选择是软测量和推断控制成功与否的关键之一。
3.
The selection of the secondary variable consists in the selection of the type, the number and the detect spot.
辅助变量的选择包括变量类型、数量及检测点的选择,是软测量建模的第一步,直接关系到软测量质量的好坏。
4) aided measuring instrument
辅助量台
1.
The dimension and error between inner base surface and rib supporting face of ring were approximately determined by using the errors of auxiliary standard component and aided measuring instrument in an indirect measuring method.
采用间接测量法,用辅助标准件和辅助量台的误差综合反映出被测套圈内底面至套圈挡边支持面的尺寸及误差;或用与套圈结构相同的组合标准件进行比较测量。
5) instrumental variable
辅助变量
1.
Proposes an algorithm of bi-iteration subspace tracking using instrumental variable,and it is a bi-iterate rank-one update model.
提出了一种运用辅助变量的双迭代子空间跟踪方法。
2.
Under the assumption that the sources are narrow-band and their temporal correlation is longer than that of noise,a new method to solve this problem is proposed which combines the methods of instrumental variable and unitary transformation.
本文在窄带信号条件下,利用信号的时间相关长度大于噪声的时间相关长度这一事实,提出了一种色噪声环境下基于辅助变量和酉变换的信号源数目估计方法。
3.
As an important identification method,the instrumental variable method can give the unbiased parameter estimation for systems with colored noises and unknown noise models.
辅助变量辨识方法是一类重要的辨识方法,然而对于盲辨识,系统输入未知,辅助矩阵的选择就成了难题。
6) instrumental variables
辅助变量
1.
Single stationary observer bearings-only tracking using instrumental variables;
使用辅助变量的单静止站纯方位目标跟踪
补充资料：辅助变量估计
在模型误差为相关噪声的情况下通过引入辅助变量矩阵对线性最小二乘估计的一种改进。对于单输入单输出线性差分方程模型
它的线性最小二乘估计量为
式中θ为参数真值,Ξ＝[εn+1，εn+2...，εn+N]T,εk 为误差。在{εk}为相关噪声的情况下线性最小二乘估计 孌LS的后一项始终不为0,即孌LS与真值θ之间始终存在偏差量。为此引入新的估计量
式中W 称为辅助变量矩阵，它满足两个条件：随着观测数据长度的增加,依概率趋于一个满秩矩阵;而依概率趋于0。满足这两个条件的估计量孌IV称为辅助变量估计，它在误差序列{εk}为相关噪声的条件下，能得到趋于真值θ的弱一致性收敛的估计量。关键在于如何具体构造辅助变量矩阵。人们已经提出几种不同的构造方案,证明它们满足上述两个条件是很难的,但是在实际应用中已取得较好的效果。
辅助变量估计算法的计算量比线性最小二乘算法增加不多。在误差为相关噪声的情况下，估计精度较线性最小二乘估计有明显改善。它也有相应的递推估计算法。
它的线性最小二乘估计量为
式中θ为参数真值,Ξ＝[εn+1，εn+2...，εn+N]T,εk 为误差。在{εk}为相关噪声的情况下线性最小二乘估计 孌LS的后一项始终不为0,即孌LS与真值θ之间始终存在偏差量。为此引入新的估计量
式中W 称为辅助变量矩阵，它满足两个条件：随着观测数据长度的增加,依概率趋于一个满秩矩阵;而依概率趋于0。满足这两个条件的估计量孌IV称为辅助变量估计，它在误差序列{εk}为相关噪声的条件下，能得到趋于真值θ的弱一致性收敛的估计量。关键在于如何具体构造辅助变量矩阵。人们已经提出几种不同的构造方案,证明它们满足上述两个条件是很难的,但是在实际应用中已取得较好的效果。
辅助变量估计算法的计算量比线性最小二乘算法增加不多。在误差为相关噪声的情况下，估计精度较线性最小二乘估计有明显改善。它也有相应的递推估计算法。
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