估计

摘要： 将矩阵中的盖尔圆放大或缩小,使得矩阵的盖尔圆盘变成独立的圆.每个独立的盖尔圆盘中,只含有矩阵的一个特征值,对特征值估计进一步精确.同时对矩阵是否可对角化问题、矩阵的正定问题及是否为奇异矩阵的问题,做出判断.

摘要： 变频器中的驱动双电机在接入电网时往往会出现谐波状态改变,造成谐波污染,产生电能问题。传统的基于最小二乘法的谐波状态估计方法的耦合关系提取困难,量测方程不稳定,因此改进了生成对抗网络,设计了新的变频器驱动双电机谐波估计方法。首先配置了变频器驱动双电机谐波量测点,根据该量测点,设计了双电机谐波状态估计网络结构,进行了网络选择和数据预处理。最后构建了谐波状态估计网络对抗模型,实现了谐波状态估计。实验结果表明,此次设计方法的真实值曲线与预估值曲线拟合度高,具有准确性,有一定的应用价值。

摘要： 针对周期长码直接扩频信号的PN码盲估计问题,提出了一种基于改进GA的扩频码估计方法。首先,通过观测信号来初始化种群,在种群更新时保留最优个体并加入一部分随机产生的个体防止局部最优的方法来改进GA;然后,根据信号协方差矩阵的谱范数来估计PN码与信息码的同步点;最后,截取一周期的观测信号,利用改进的GA来估计PN码。仿真结果表明,改进后的算法加快了收敛速度,减少了迭代次数,在低信噪比条件下能够取得良好的效果。

摘要： 量感是《义务教育数学课程标准(2022年版)》中的新增内容,作为核心素养的主要表现,在测量教学与核心素养之间发挥承上启下的作用。量感的内涵主要体现在直观感知、选择和估计等几个具体方面,这些方面通过真实情境中需要合理判断来解决的真实问题,引导学生认识真实世界,达成知识见识并重的教学目的。

摘要： 现有的运动员成绩预测模型考虑的影响因素单一,导致运动员成绩估计精度与估计效率较低,为此提出基于大数据分析技术的运动员成绩建模与估计方法。利用支持向量回归机构建运动员成绩估计模型,以二次损失函数为支持向量回归机学习任务的最优化准则,通过粒子群优化算法优化支持向量回归机训练时的各参数,获取最优参数;以运动员历史成绩为训练样本输入支持向量回归机估计模型,输出运动员成绩估计结果。实验证明,所提方法对于不同类型运动员成绩估计精度高、估计效率快。

摘要： (本讲适合高中)组合最值问题,通常需要估计某种参数k的上界或下界.本文介绍五种与集合有关的组合最值问题的常用估计方法.1建立算法由题给条件建立关于极值参数的不等式,称为建立算法.常见的算法包括算两次、引入参数建立极值式、分块估计、个体估计等.

摘要： 文献[1]给出了复阶星形函数子类系数的精确估计。本文减弱了引理的条件,从而解决该文献中提出的一个猜想。

摘要： 非参数似然方法是在参数似然方法基础上发展的一种非参数方法,具有与传统似然方法类似的许多优良性质,特别是其中的经验似然方法,得到许多学者的重视和研究,是目前统计学的一个重要研究方向。本文在介绍非参数似然方法相关思想基础上,结合团队研究工作,主要从估计、检验和复杂数据应用等方面分别对其研究进展进行较系统地综述,分析相关研究思路和研究内容,给出一些主要结论和研究的侧重点。

摘要： 利用无损卡尔曼滤波算法对铅酸蓄电池的SOC估计方法进行优化。通过建立电解液密度与SOC的数学模型,利用密度测量值得到合理的SOC初值,并通过无损卡尔曼滤波算法对安时积分的误差不断修正,从而提高SOC估计精度。仿真结果表明,该方法具有较好的估算精度和收敛速度。

摘要： 复杂跳跃系统是一类由连续时间变量和离散事件共同驱动的动态系统模型,具有状态混杂性、参数时变性、扰动多样性及结构不确定性等特性。介绍复杂跳跃系统的建模,包括连续时间和离散时间的马尔科夫跳跃系统和半马尔科夫跳跃系统模型;基于完全已知转移速率/概率、部分已知转移速率/概率和一般转移速率/概率等情况,从稳定性分析、控制器与滤波器设计等方面综述连续时间和离散时间复杂跳跃系统的研究进展,总结采用隐马尔科夫跳跃模型处理复杂跳跃系统模态信息未知情况的控制与滤波等问题的研究。指出:如何处理复杂非线性跳跃系统的建模、分析与控制仍是重难点问题;如何建立合适的数学模型描述复杂跳跃系统可能遭遇的多种网络攻击情况,解决其安全控制和滤波问题也是复杂跳跃系统面临的挑战性问题;针对复杂跳跃系统基于学习的控制和滤波、基于学习的系统安全控制与安全估计等问题值得进一步研究。

摘要： 本发明提供了属性估计系统和的方法，其中，没有估计精度在特定的数值区域中降低的情况，并且提供了使用该属性估计系统和方法的年龄估计系统、性别估计系统与年龄和性别估计系统。其是用于估计在输入图像中被拍摄的人的年龄的系统，该系统包括：分类器3，其根据输入图像的数据来将人的年龄估计为离散量；分类器4，其根据输入图像的数据来将人的年龄估计为连续量；以及，结合单元7，其结合分类器3的估计结果和分类器4的估计结果。

摘要： 提供一种氧化还原物质的平衡电位估计方法，包括以下阶段：第一阶段，对与含有氧化还原物质的样品相接触的电极施加电压，对电压进行扫描；第二阶段，测定流过电极的电流；第三阶段，在电流的累积值变为基准范围内时，决定是在与之前的扫描阶段中的扫描方向相反的方向上对电压进行扫描，还是结束对电压的扫描；第四阶段，在决定为结束对电压的扫描时，将电压的值估计为氧化还原物质的平衡电位；以及第五阶段，在决定为对电压进行扫描时，在与之前的扫描阶段中的扫描方向相反的方向上对电压进行扫描。

摘要： 自身位置估计模型学习装置(10)包括：取得部(30)，其按时间序列取得在动态环境中从自身位置估计对象的视点拍摄到的局部图像以及从俯瞰自身位置估计对象的位置拍摄到的与所述局部图像同步的俯瞰图像；以及学习部(32)，其对以按时间序列取得的局部图像以及俯瞰图像为输入而输出自身位置估计对象的位置的自身位置估计模型进行学习。

摘要： 本发明提供了属性估计系统和方法，其中，没有估计精度在特定的数值区域中降低的情况，并且提供了使用该属性估计系统和方法的年龄估计系统、性别估计系统与年龄和性别估计系统。其是用于估计在输入图像中被拍摄的人的年龄的系统，该系统包括：分类器3，其根据输入图像的数据来将人的年龄估计为离散量；分类器4，其根据输入图像的数据来将人的年龄估计为连续量；以及，结合单元7，其结合分类器3的估计结果和分类器4的估计结果。

摘要： 图像处理ECU(30)具备图像获取部(41)以及图像处理模块(42)，作为移动量估计装置发挥作用。图像获取部(41)获取通过受光元件(12a)检测通过光照射而从物体反射的反射光得到的包含距离信息的反射光图像(ImR)和利用受光元件(12a)检测相对于反射光的背景光的包含亮度信息的背景光图像(ImL)。除此之外图像获取部(41)获取由与受光元件(12a)不同的照相机元件(22a)拍摄到的照相机图像(ImC)。图像处理模块(42)使用在反射光图像(ImR)、背景光图像(ImL)以及照相机图像(ImC)共同地检测到的被摄对象的信息，对估计对象的移动量进行估计。

摘要： 本发明涉及声源估计服务器、声源估计系统、声源估计装置、声源估计方法。数据生成部(304)基于第1异常音数据和旋转数据生成第2异常音数据，该第1异常音数是伴随着搭载于对象物的旋转装置的旋转运动而产生的异常音的数据，该旋转数据是与旋转装置的旋转运动相关的数据，该第2异常音数据是表示旋转状态每变化一定量时的声音的大小的变化的数据。向声源估计部(305)输入第2异常音数据，针对搭载于车辆(200)的多个部件分别输出作为第2异常音数据所表示的异常音的声源的置信度。

摘要： 食用肉交易情况估计系统1具备：采购条件获得部111，其获得包括期望采购时期的采购条件；出货情况估计部142，其使用包括与该食用肉对应的家畜的饲养情况相关的信息的饲养家畜信息、以及包括与过去饲养的所述家畜的饲养情况相关的信息的过去家畜信息，来估计家畜的将来出货情况；市场信息获得部131，其获得包括食用肉交易信息的市场信息，所述食用肉交易信息包括与批发市场中的食用肉供给量相关的信息；和食用肉交易情况估计部143，其使用将来出货情况以及食用肉交易信息，来估计包括在期望采购时期的将来食用肉供给量的将来食用肉交易情况。

摘要： 提供了一种空间温度估计系统，能够通过简单的计算来估计内部空间中的空气的温度。该空间温度估计系统(1)包括热图像获取单元(22)和空间温度估计单元(24)。热图像获取单元(22)检测房间中的天花板、地板和多个墙壁中的至少一个表面的温度。空间温度估计单元(24)使用该至少一个表面的CRI系数和由热图像获取单元(22)检测到的温度来估计房间(R10)的内部空间中的空气的温度。

摘要： 本发明提供估计对象区域的交通流的交通流估计装置(1)。交通流估计装置(1)具备存储对象区域的车道信息的存储部(30)，获取由在对象区域内移动中的第一移动体(6)在不同的定时拍摄的包含周边的第二移动体(7)的多个图像、和各定时的第一移动体的位置信息及速度信息，基于车道信息和位置信息确定第一移动体移动中的车道，基于多个图像计算图像内的第二移动体的位置的随时间变化，基于从图像检测的第二移动体相对于第一移动体的位置关系，估计第二移动体移动中的车道，基于第一移动体的速度信息、表示第二移动体的位置的随时间变化的信息、第一及第二移动体移动中的车道，估计对象区域的按车道区分的交通流。

摘要： 脑网络的活动估计系统(1)包括：获取从受验者(S)同时测量出的脑电波的测量数据(121)和功能性磁共振图像法的测量数据(122)的单元；单元(152)，其构建将脑电波的测量数据作为输入数据的特征估计模型(10)，并且决定用于规定该特征估计模型的参数；单元(154)，其基于在提供了脑电波的测量数据作为输入数据的情况下计算出的各模块的输出值，来计算每个模块的特征量；单元(158)，其基于功能性磁共振图像法的测量数据，来计算每个脑网络的图像特征量；以及单元(160)，其通过评价每个模块的特征量与每个脑网络的图像特征量之间的相关性，来决定多个模块中的表现特定的脑网络的活动的一个或多个模块。