附有奇异值修正限制的改进的岭估计方法

最小二乘估计具有无偏性,而岭估计是一种有偏估计,它通过引入偏差降低方差来降低均方误差。在模型出现病态时,岭估计优于最小二乘估计。对岭估计的方差与偏差进行分析发现,岭估计通过修正病态矩阵的奇异值降低均方误差,但对部分较大奇异值的修正不能有效降低均方误差。通过比较修正奇异值的方差下降量与偏差引入量的大小关系确定需要修正的小奇异值,进而改进岭估计方法,实现选择性地修正小奇异值,提出附有奇异值修正限制的改进的岭估计方法,可有效改善岭估计的解算效果和可靠性,实验验证了新方法的可行性和有效性。     

病态加权总体最小二乘的广义岭估计解法

针对加权情形下的变量误差(EIV)模型,采用广义岭估计法处理总体最小二乘平差的病态性问题. 结合最优化准则和协方差传播率推导了未知参数的改正数求解公式;根据参数估计值的均方误差最小化原理,通过求偏导数列出广义岭估计中岭参数的迭代解式,并讨论了广义岭参数的含义和作用,给出了确定岭参数的L-曲线法. 通过算例比较分析了加权最小二乘估计、总体最小二乘估计、加权最小二乘岭估计、总体最小二乘岭估计、加权最小二乘的广义岭估计和总体最小二乘广义岭估计,叙述了加权总体最小二乘的广义岭估计的优缺点.      

TLS估计性质的进一步讨论

通过对整体最小二乘估计进行分析,给出了未知参数估计及残差的统计性质。理论上得出它们均是有偏的,并且它们之间存在一定的线性关系。受系数矩阵误差影响,导致与传统最小二乘的相关结论有所区别。通过与最小二乘估计进行比较,证明了整体最小二乘估计为膨胀型有偏估计;同时得到了整体最小二乘估计的方差和均方误差的计算公式,严格论证了其值均大于最小二乘估计的方差和均方误差,因此当设计矩阵病态时整体最小二乘估计更易受病态性的影响。最后,对整体最小二乘估计与最小二乘估计之间的不同距离进行了比较,给出了选择的判定定理。     

病态不确定性平差模型的岭估计算法

测量数据在获取的过程中,常存在不确定性,它们会影响参数估计结果,不确定性平差模型的解算方法可以有效提高参数估计的有效性和可靠性。当观测方程的系数矩阵存在接近零的奇异值,采用岭估计可有效抑制观测方程病态性对参数估值结果的影响。当不确定性平差模型出现病态,其受系数矩阵误差和观测值误差的影响更为严重,本文将岭估计法应用于病态不确定性平差模型,推导了迭代算法,以提高解的稳定性,并用算例验证,结果表明了新方法的有效性和可行性。     

平差参数的岭估计和压缩估计

当法方程的系数矩阵呈病态时,平差参数的统计性质就要变坏。为改善最小二乘估计,本文介绍岭估计和压缩估计,在一定条件下,岭估计和压缩估计的均方误差要小于最小二乘估计的均方误差。本文提出了各种求岭系数和压缩系数的方法,并对它们的使用提出了一些意见。     

有偏迭代估计在短基线集形变模型中的应用

进行SBAS技术时,选择的干涉对一般会出现一景影像和其他几景影像干涉的现象,导致构建的线性形变模型病态。在这种情况下,最小二乘法求解SBAS线性形变模型已不太适合。针对这一问题,本文结合Liu估计的有偏迭代法在求解病态线性模型时能够克服病态性对结果的影响,提出将此方法应用到求解SBAS线性形变模型中。以覆盖济宁地区的13景ENVISAT ASAR数据展开了SBAS技术在城市地面沉降监测中的应用实验,分别利用LS法、基于Liu估计的有偏迭代法解算形变模型。结果表明,基于Liu估计的有偏迭代法获得研究区的年平均沉降速率标准差比LS法获得的低1.4,且其求解的结果相较于LS法获得的结果更准确、稳定。     

基于部分最小二乘岭估计的粗差定值定位

在利用部分最小二乘原理进行粗差定值定位时,模型的法方程矩阵可能存在病态性,使得到的粗差定值定位结果不可靠。文中针对观测数据包含多个粗差且法方程病态问题,利用岭估计处理病态问题,建立部分最小二乘岭估计的粗差定值定位方法,给出粗差搜索步骤,利用迭代算法实现多个粗差的定值和定位。通过模拟算例分析部分最小二乘法、部分最小二乘岭估计在粗差搜索方面的效果,从另一个角度探讨粗差处理方法,推广现有的误差理论,证明文中方法的有效性。     

关于回归系数有偏估计的两个问题

本文讨论了回归系数有偏估计的两个问题。一是对文[2]提出的回归系数的一种新的有偏估计——根方估计作了一定改进,提出了广义根方估计,从理论上证明了广义根方估计能够比根方估计达到更低的均方误差,并且给出了求根方参数的一个公式。二是在一般协方差情形下,证明了回归系数广义岭估计的弱相合性、均方相合性与条件等价。     

病态总体最小二乘问题的虚拟观测解法

提出基于虚拟观测的病态总体最小二乘问题岭估计解法,该方法将先验信息作为一项独立的虚拟观测量,作为约束条件与病态观测方程联立求解未知参数,推导了求解的具体公式和迭代算法,给出了虚拟观测法中确定准则子参数的岭迹法。算例比较分析了病态总体最小二乘虚拟观测法、总体最小二乘岭估计的L曲线法、普通总体最小二乘法和最小二乘法的结果,发现虚拟观测法在解决病态总体最小二乘问题时是非常有效的。     

单位权方差的岭估计和压缩估计

本文提出了求单位权方差的有偏估计方法─岭估计和压缩估计，证明了在一定条件下，岭估计和压缩估计的均方误差要小于最小二乘估计的约方误差，提出了求岭参数和压缩系数的方法。     

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     

双k型岭估计及其在GPS快速定位中的应用

针对GPS快速定位中设计阵病态性的特点,文中对现有的有偏估计进行了改进,提出了一种新的有偏估计———双k型岭估计。由广义岭估计和普通岭估计出发,讨论并给出了双k型岭估计中两个岭参数的选择方法。最后给出了实测GPS动态定位算例,验证了新估计的稳定性和有效性。     

Robust biased estimation and its applications in geodetic adjustments

In this paper, a number of robust biased estimators (e.g. ordinary robust ridge estimator, robust principal components estimator, robust combined principal components estimator, robust single-parametric principal components estimator, robust root-root estimator) are established by means of a unified expression of biased estimators and based on the principle of equivalent weight. The most attractive advantage of these new estimators is that they can not only overcome the ill-conditioning of the normal equation but also have the ability to resist outliers. A numerical example is used to illustrate that these new estimators are much better than the least-squares estimator and various biased estimators even when both ill-conditioning and outliers exist. Received: 14 November 1995/Accepted: 11 February 1998     

Gauss-Markov模型参数的部分根方估计

在分析根方估计，Stein均压缩估计，Sclove部分压缩估计各自特点的基础上，提出了一种新的有偏估计－部分根方估计，并讨论了它的优良性质。计算结果表明，在设计阵呈病态时，部分根方估计确能改善LS估计。     

附有条件的参数平差模型的有偏估计

讨论附有条件的参数平差模型参数的有偏估计问题。提出了约束岭估计和约束主成分估计,并证明了它们的优良性质,最后给出了一个算例,验证了所得结果。     

岭-主成分组合估计及其在测量平差中的应用

在分析岭估计缺陷的基础上，运用主成分估计方法，提出了测量平差Gauss-Markov模型参数的一个新的有偏估计，称为岭-主成分组合估计，在均方误差意义下讨论了岭-主成分组合估计的质及其岭-主成分组合估计与岭估计、主成分估计的比较问题，讨论了岭-主成分组合估计中偏参数的选取问题，得到了许多重要结论。理论分析和计算结果都表明，岭-主成分组合估计是一类很有潜力的有偏估计。     

基于岭估计的粗差探测

针对测量平差Gauss-M arkov模型中法矩阵的病态性和观测值的粗差同时存在问题,把岭估计和粗差探测两者的优点结合起来提出了基于岭估计的粗差探测方法。该方法把岭估计看成具有伪观测值的最小二乘估计,然后运用基于最小二乘估计的粗差探测技术探讨岭估计意义下的奇异点,并给出奇异点的检验统计量和判断方法。数值实验表明,新方法在克服病态性的同时能够有效地识别出可疑(可能含粗差)的观测值。     

选取岭参数的一个新方法

当法方程的系数阵呈病态时,平差参数的最小二乘估计不再是一个良好好估计。为改进最小二乘估计,许多学者提出众多的有偏估计方法,其中影响最大的是岭估计和主要估计。