方差矩阵造句

• 估计在噪声方差矩阵不可逆时的化简
• 协方差矩阵的估计
• 协方差矩阵估计
• 以常速模型为基础，分析了根据机动输入来调整过程噪声协方差矩阵q的原则。
• 该方法的优点在于能够处理各投资项目之间的协方差矩阵为半正定的情形。
• 利用优化的协方差矩阵对正则化判别分析方法进行优化，其模式分类正确率有显著提高。
• 分析了用协方差矩阵和自相关矩阵得出的pca表达是不同的，但是两者的误差是相同的。
• 摘要在模式特征子空间中选取一组标准正交向量，使用这组向量可以生成大量的虚拟训练样本，从而实现对协方差矩阵的优化。
• 结合非正则复向量的协方差矩阵和伪协方差矩阵构造出了新的代价函数，进而提出新算法，通过复非线性不相关，从混合信号中提取出复值独立分量。
• 给出一种多传感器分布式次优kalman滤波器，并以相对误差协方差矩阵作为量化指标，对该滤波器的融合效果进行评估； 3
• Osd处理过程包括排序、整数ldl ~ t分解和模糊度筛选，该算法的去相关处理过程，是以降低协方差矩阵的条件数为准则。
• 在orl人脸库上的实验表明，优化后协方差矩阵的特征值均显著变大，使该矩阵的逆阵稳定性得到了提高。
• 改进music算法通过对接收信号协方差矩阵作预处理,使信号协方差矩阵分解后得到的信号子空间与噪声子空间能够正交。
• 在确定各家数据的短程、中程和长程误差的大小之后，用实验数据协方差评价处理程序，构造出每一家数据的协方差矩阵。
• 该方法利用不同距离单元的观测矢量构造协方差矩阵，然后通过对协方差矩阵特征分解得到噪声子空间，最后将相位误差矢量向噪声子空间投影来估计多普勒调频率。
• 基于小波多尺度表示理论给出逆问题求解的多尺度降阶模型，同时用相对误差协方差矩阵对阶数不同的降阶模型的估计精度进行分析； 4
• 主要工作如下： 1 ）研究了两种分布式目标信号模型：相干分布式目标模型和非相干分布式目标模型。并分析了分布式目标协方差矩阵的特征值分布。
• 具体内容为如下几个方面： 1建立时间相关的协方差矩阵处理方法在估值类的同化方法中，观测数据与理论模型结合的桥梁是各自的协方差矩阵。
• 主要内容包括:基于散射矩阵的polsar图像目标提取算法,基于协方差矩阵polsar的目标提取算法和基于几何特征的人造目标提取算法等方面。
• 基于一维噪声子空间方法始终认定只有信号协方差矩阵的最小特征值才是噪声特征值,其对应的特征向量才是真正的噪声向量,并构成一维噪声子空间。

• 方差矩阵的英语：covariance matrix