极大可能性估计

提出了一个新的估计类——极大可能性估计。详细研究了以p次抛物线为参照函数的极大可能性估计。在以p次抛物线为参照函数的极大可能性估计中，p=1对应可能性带权绝对值和最小估计，p=2对应可能性最小二乘估计。给出了确定观测值的权的一般方法。最后结合实例说明了极大可能性估计的实用性与正确性。     

极大可能性估计带权解算理论及数据质量评定

极大可能性估计是测量误差理论研究的一种新动向.针对其定权和数据质量评定问题,提出了极大可能性估计的带权解算理论,并给出了基本原理;提出了单位权模糊幅度的概念,探讨并建立了数据质量评定模型.通过实例分析,得出了与经典平差相一致的结果.     

最小不确定度约束下的极大可能性估计

以模糊集合理论为基础，提出了最小不确定度约束下的极大可能性估计准则、解算方法和迭代步骤。给出了新的观测值的质量标准体系。计算实例表明提出的方法是一种有效的、稳健的参数估计方法。     

抗差估计在测量粗差处理中的应用

在测量数据处理时,经典的最小二乘估计方法对数据的粗差敏感度非常高,抗差效果较差.针对这个问题,学界提出了抗差估计的概念.本文对一种广义极大似然估计方法进行了简单介绍,通过一个算例对最小二乘和抗差估计两种方法所得结果进行了比较.结果证明,比较数据在存在粗差时,以广义极大似然估计为代表的抗差技术具有较明显的优势.     

一元有界p范分布的参数自适应估计

根据实际观测误差的有界性，得到了有界误差分布的一般模式，讨论了此分布的数学期望、方差和特征函数等数字特征，得到了极大似然估计方程。模拟算例的结果表明，有界p范分布参数估计的结果优于无界p范分布极大似然估计的结果。     

方差的边缘极大似然估计

测量平差问题中,方差估计理论是复杂的。本文基于概括模型,组成自由项f(极大似然估计 MLE)的密度函数和改正数向量 V的线性函数(边缘极大似然估计 MMLE)的密度函数,详细推导了函数模型与随机模型中,未知参数 X与σ_0~2 的似然估计公式,分析了基于两种密度函数所得σ_0~2的似然估计存在差异的真正原因,并对两种方法所得的σ_0~2和X 的统计性质进行了讨论。指出边缘极大似然估计,σ_0~2 的具有良好的统计性质,可改善极大似然估计σ_0~2 的不定性(有偏);并且对任一平差模型的边缘极大似然估计,σ_0~2 无偏、有效的统计性质是一致的。     

非线性最小二乘估计的遗传算法

探讨了用遗传算法进行非线性模型参数估计的可能性,设计了非线性最小二乘估计的遗传算法,并用实例验证了该算法的有效性.通过比较该算法与其它算法的结果,得出了一些具有参考价值的结论.     

P范分布的实数阶与对数矩估计法

从参数估计的精度和算法的复杂度出发,对P范分布参数的估计方法进行了改进。根据误差分布的实际情况,引入实数阶和对数矩估计方法,建立了P范分布的参数估计的实数阶矩估计方法。首先,利用实数阶矩估计法,导出了形状参数p与实数阶阶数r的关系式,对形状参数的选取给出了相应的建议;其次,改进矩估计理论,利用对数矩估计方法导出了形状参数、期望及中误差的非线性估计公式,消除了函数截断误差对参数估计值计算的影响,并利用迭代算法给出了相应参数的解算方法和计算流程;最后,用一个模拟算例和两个实测算例分析了实数矩、对数矩和极大似然估计3种估计方法的稳定性和精度。结果说明,本文提出的矩估计方法在稳定性、精度和收敛速度等方面均优于极大似然估计方法,推广了现有的误差理论。     

信息网络建设及其在我国实现的可能性

简述现代信息技术在当代社会中的重要作用以及当前国内外信息网络建设的现状和发展趋势，结合中国国际，探讨在我国建设高速信息网络的可能性，指出建设高速信息网络是大势所趋，势在必行，但面临诸多困难和问题，需作长期不懈的努力。     

极大验后估计及其在扩建网中的应用

本文基于未知参数具有先验正态分布的广义Ｇ－Ｍ模型，推导了未知参数和方差因子的极大验后估计公式，证明了未知和的极大验后估计是无偏、有效估计量，方差因子的极大验后估计有偏，并推导了方差因子的边缘极大验后估计，证明了它的无偏及有效性，作为应用，本文最后证明了扩建网极大验后平差成果等于新旧网整体平差成果。