总体最小二乘拟合问题求解方法的比较研究

目前对总体最小二乘求解方法的研究,出现了奇异值分解的总体最小二乘法、顾及自变量和因变量误差的总体最小二乘法及正交总体最小二乘法.在模型推导的基础上,本文对3种总体最小二乘法在直线和平面拟合中求解的参数及其精度进行了分析,通过与最小二乘法的比较表明,总体最小二乘法得到的拟合结果更加稳健,且以正交总体最小二乘法的拟合结果为最优.     

总体最小二乘问题解算的两种方法比较分析

介绍了求解总体最小二乘问题的奇异值分解法和基于拉格朗日极值的迭代法,比较了两种方法在直线拟合中的应用,分析了二者的区别与联系。     

顾及系数矩阵常数列的总体最小二乘迭代解法

介绍总体最小二乘的奇异值分解法(SVD)和混合总体最小二乘法(LS-TLS),基于间接平差原理推导一种总体最小二乘迭代解法,可以用来解决系数矩阵含常数列的总体最小二乘平差问题。最后分别对系数矩阵不含常数列和系数矩阵含常数列的算例进行验证,得到的结果与采用奇异值分解法和混合总体最小二乘法计算的结果相同,表明算法的有效性。     

利用整体最小二乘法建立线性回归模型

对于在实际应用中的直线回归问题,存在着因自变量和因变量选取不同拟合结果存在差异的情况,文中采用了一种线性拟合参数估计的新方法,即整体最小二乘法。文章在描述普通最小二乘和整体最小二乘原理的基础上,并对比其异同,并采用奇异值分解的方法来求解整体最小二乘问题。算例结果表明,采用整体最小二乘方法估计线性回归参数的精度明显高于常规最小二乘法,是一种值得借鉴的算法。     

奇异值分解法在病态问题中的应用

用截断奇异值分解法和修正奇异值分解法对大地测量病态问题进行了处理,并与最小二乘的结果进行了比较,最后将两者方法进行结合同样对病态方程进行了处理,得到了结合奇异值分解的解,并与截断奇异值、修正奇异值分解的解以及真值进行比较,发现结合奇异值分解的解即修正奇异值截断法比截断奇异值和修正奇异值的解更加靠近于真值,修正奇异值截断法相比于截断奇异值和修正奇异值法对于病态方程抗干扰能力更强,更具有实际意义。     

三种点云数据平面拟合方法的精度比较与分析

详细地介绍了基于最小二乘法、特征值法及总体最小二乘法的点云数据平面拟合方法。通过Matlab编制其算法程序,对模拟的等精度与不等精度点云仿真数据进行计算,结合算例对比分析了3种方法的点云平面拟合效果。拟合结果表明:3种方法在等精度点云平面拟合中的效果较好,在不等精度点云平面拟合中的效果较差,且特征值法与总体最小二乘法的点云平面拟合精度远高于最小二乘法。     

病态总体最小二乘平差方法的比较与分析

Tikhonov正则化和截断奇异值法是解算病态总体最小二乘问题的有效方法。本文对比分析了Tikhonov正则化总体最小二乘算法和截断奇异值分解法二者各自的适用范围,通过两个算例分析表明,Tikhonov正则化算法适用范围广,可以有效地处理病态总体最小二乘问题,而截断奇异值分解法适用范围窄,仅适用于增广矩阵的奇异值呈阶梯型分布的情况。     

最小二乘配置的SVD分解解法

最小二乘配置最初是在组合各种资料来研究地球形状与重力场的一种数学方法,目前最小二乘配置已经在测绘数据处理中得到广泛应用。本文首先分析了目前采用的最小二乘配置法解算方法,在讨论了矩阵的奇异值分解(Singular Value Decomposition,SVD)方法的基础上,推导得出了矩阵SVD分解与广义逆矩阵的关系,得出了可以直接利用SVD分解求解矩阵的Moore-Penrose广义逆,并推导了应用SVD分解求解最小二乘配置的估值计算公式和精度估算公式,最后通过重力异常实例进行了计算,得出矩阵的SVD分解用于最小二乘配置解算的正确性和可行性,为最小二乘配置的求解提供了一种新方法。     

一种新的病态问题奇异值修正方法

针对测量平差中的病态最小二乘问题，提出了统一的奇异值修正公式，以此为基础提出一种新的奇异值修正法.所提方法克服了现有方法需要确定奇异值截断阈值或者修正阈值的缺陷，基本没有增加额外的计算量，计算简单快捷精度高. 另外，所提方法普适性强，对方程组系数矩阵的维数和是否满秩没有特殊的要求，可以适用于多种类型平差方程组的求解. 以两个病态方程为例对所提方法进行了数值验证，并将计算结果与最小二乘解和奇异值截断解进行了比较，结果表明，所提方法可以获得精度更高的计算结果.      

LS和TLS方法在高程拟合技术中的应用研究

传统的GPS高程拟合技术使用最小二乘方法对拟合模型进行平差计算,其模型的系数矩阵大多由高程点的平面坐标组成,而平面坐标也是施测GPS得到的观测值,因此也存在观测误差,最小二乘方法并没有考虑系数矩阵的误差,显然与实际情况存在偏差。为解决此问题,本文提出了总体最小二乘方法,并使用该方法对某长江大桥数据进行试验,分析和对比,验证总体最小二乘方法对于提高高程拟合精度的有效性。     

病态线性模型及其优良算法综述

本文扼要讨论了线性模型病态问题，综合论述了目前几种解算方法的思想及优缺点．     

初值影响下误差分配的微观结构

测量数据处理中,初值对平差结果存在很大的影响,其机理影响设计矩阵的数值特征,进而影响误差的分配结构。本文着力于大地测边控制网的模拟分析,研究初值如何影响误差分配。结果表明,在奇异的网形结构下,初值越靠近真实值,对随机误差的放大作用越大。初值对线性化误差存在影响,在图形最弱方向上,线性化误差影响最大,且误差影响随初值靠近真值而减小。平差结果是随机误差的放大倍率与线性化误差的综合作用的结果,其准确度取决于线性化误差与随机误差的平衡性。     

局部均值分解和奇异值分解在GNSS站坐标时间序列信号降噪中的应用

为了有效地提取GNSS站坐标时间序列的有用信息，降低噪声干扰，本文提出一种局部均值分解和奇异值分解相结合的信号降噪方法，并利用5个测站的实测坐标时间序列对新方法进行了验证。首先通过局部均值分解将坐标时间序列分解成一系列PF分量和余项，然后利用连续均方误差方法确定高频分量与低频分量的分界点，保持低频分量不变，运用奇异值分解方法对高频分量进行降噪重构，最后将重构的高频分量与低频分量叠加得到最终的降噪坐标时间序列，并对降噪效果进行对比分析。结果表明，与单纯的奇异值分解方法相比，局部均值分解和奇异值分解相结合方法能够自适应地选择合适的奇异值个数进行信号重构，提高了降噪效果。     

Gauss-Markov模型参数的岭型广义逆估计及其优良性

本文继续文献 [10 ]的工作 ,进一步讨论了测量平差 Gauss- Markov模型参数岭型广义逆估计的若干性质 ,如允许性、优效性、相对效率、抗干扰性等等 ,得到了许多重要结论。计算结果表明 ,在设计阵呈病态时 ,岭型广义逆估计确能明显改善 L S估计     

Gauss-Markov模型参数的岭型广义逆估计及其优良性

本文继续文献 [10 ]的工作 ,进一步讨论了测量平差 Gauss- Markov模型参数岭型广义逆估计的若干性质 ,如允许性、优效性、相对效率、抗干扰性等等 ,得到了许多重要结论。计算结果表明 ,在设计阵呈病态时 ,岭型广义逆估计确能明显改善 L S估计     

正则化的奇异值分解参数构造法

Tikhonov正则化法引入正则化参数和稳定泛函来改善矩阵的病态性。稳定泛函表示为参数的二范约束时,正则化矩阵为单位阵的正则化法即为岭估计法。通过对岭估计的方差与偏差进行分析可知,岭估计改善矩阵病态性的同时也过度地引入了偏差,降低了解的可靠性,对较大奇异值的修正不能有效地减小估计的方差,却引入了偏差,而对较小奇异值的修正可有效地减小估计的方差。因此,选择较小奇异值特征向量构造正则化矩阵,调节各奇异值的修正,可有效减小参数估计的方差,减少偏差的引入,得到更为可靠的参数估计。通过试验证明了该方法的有效性。     

相对定向中的临界配置分析

相对定向的解算需要利用足够数量的同名像点。针对同名像点对应的空间点分布处于临界配置时相对定向不能获得唯一解的问题,该文对摄影测量和计算机视觉领域内常用的相对定向算法进行了研究。分析了它们的联系和区别,利用物方形式的共面条件方程推导了临界配置中危险表面的通用方程,分析了直线和平面配置下相对定向的退化情况,并利用奇异值分解推导了不同相对定向算法的临界配置条件。     

面向形变模型的三维人脸建模研究及其改进

针对传统三维形变模型效率低的不足,提出了一种简洁高效的三维形变模型进行个性化三维人脸重建。首先建立基于关键特征区域重采样的标准三维人脸数据库,实现三维人脸的稠密对应;然后选择与目标人脸奇异值向量最相似的人脸作为形变模型的基空间,进行形变模型成分的动态选择;最后引入基于特征点的稀疏形变模型替代原稠密对应形变模型进行匹配求解线性组合系数,并完成特定的三维人脸重建。实验结果表明,本文方法建模时间短、复杂度低,通过单张图片的少量特征点能生成逼真的三维人脸模型。     

基于坐标归一化和奇异值分解的直接线性变换解法

直接线性变换方法是数字摄影测量和计算机视觉领域最常用的解析处理方法之一,特别适用于未检校数码相机的三维测量,但直接线性参数间的相关性、物方控制的约束和设计矩阵元素数量级的较大差异,均可导致法矩阵严重病态,从而影响解的稳定性。本文借鉴改进的八点基本矩阵估计算法,采用基于坐标归一化和奇异值分解的解法,即首先将像点和物点坐标进行相似变换得到归一化坐标后组成法矩阵,其次利用矩阵奇异值分解方法代替常规的最小二乘方法,模拟和真实数据表明,此方法可以有效提高解算精度和稳定性。