第2章 基于誤差值大小的度量

在科學和工程領(lǐng)域，關(guān)于參數(shù)、信號、狀態(tài)的估計算法的應(yīng)用已經(jīng)非常廣泛；但無論估計算法或者估計器在理論上有多么可靠，都必須基于實際的需求，在實踐中對它們的性能及特征進行評估，如有效性的保證、自身性能的證明或與其他估計器性能優(yōu)劣的比較等。

對目標識別、目標跟蹤和數(shù)據(jù)融合的性能評估指標的研究，歷來是國內(nèi)外研究的重點[18][45]，但現(xiàn)有針對估計性能方面的評估研究相對有限。估計算法性能評估的一個關(guān)鍵方面，是遵循公正、合理、物理含義明晰等原則，正確選擇衡量算法性能的指標。在對估計算法的性能評估研究中，現(xiàn)有的評估方法多是直接對估計誤差做某種意義上的平均。其中，廣泛應(yīng)用的均方根誤差（Root Mean Square Error, RMSE）易受大的誤差值主導。為了克服這一缺點，文獻[73]給出了一些可供選擇的絕對度量，如調(diào)和平均誤差（Harmonic Average Error, HAE）、幾何平均誤差（Geometric Average Error, GAE）、平均歐幾里得誤差（Average Euclidean Error, AEE）、誤差中位數(shù)（Median Error）和眾數(shù)（Mode）。這些度量方法可以反映估計算法不同方面的性能。