大系统高效辨识
将大规模数据分解为多个子集进行参数估计，相比传统最小二乘算法显著降低计算负担，特别适合数据量大的系统辨识场景。
陈晶 · Peng, Xie · 朱广宇 · Yi, Yang · Zhu, Quanmin
Applied Soft Computing Journal 2026
将数据分成多个子集分别估计参数，避免了在完整数据集上一次性执行的庞大计算量，因此运行时间比传统LS算法更短。
将高维参数向量拆分为多个低维子向量并逐个更新，每一步只需处理低阶矩阵运算，从而绕开了高阶矩阵求逆的难题。
在采集数据量很大的情况下，数据分解算法得到的参数估计误差方差上界比传统算法更小，意味着估计精度更有保障。