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。     

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。     

分布式自主定轨的岭型EKF算法

针对分布式自主定轨模式,在分析病态性问题产生原因的基础上,将岭估计与EKF算法相结合,提出了岭型EKF算法,并给出了岭参数的具体确定方法。利用STK仿真Walker24/3/1星座并进行分布式自主定轨,结果表明岭型EKF算法是有效的。     

抗差泛岭估计

本文应用现代估差估计理论,提出了一个抗差有偏估计类（抗差泛岭估计类）并且建立了抗差泛岭估计的计算方法。理论分析和模拟计算表明,抗差泛岭估计具有既可克服法矩阵病态性影响又可抵抗粗差干扰的良好性质。     

修正岭估计方法在测量数据处理中的应用研究

在测量数据处理中,若法方程呈现病态,岭估计可以改善方程的病态性,提高解的精度,使得在均方根意义下,岭估计解优于最小二乘解;另外,观测对象的先验信息也可以用来改善解的效果.文中借鉴一种修正岭估计方法,将岭估计方法和先验信息联系起来,并以GPS数据解算为例,将修正岭估计方法与普通解法进行比较,说明这种应用方法的合理性.     

附有病态约束反演问题的岭估计法

提出了处理附有病态约束矩阵的等式约束反演问题的岭估计解法,推导了相应的求解公式及均方误差评定精度的方法,给出了确定附有病态约束矩阵的等式约束反演中岭参数的岭迹法、广义交叉核实法和L曲线法。算例比较了三种确定岭参数的方法在处理附有病态约束矩阵的等式约束反演问题中的优缺点,并与截断SVD法进行了对比分析。     

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。     

岭-压缩组合估计在线阵推扫式影像外定向中的应用

针对线阵推扫式影像外定向中存在的法方程病态问题,提出了采用岭压缩组合估计进行解算,能提高定向精度,并分析了该算法的优点和应用方法。实验证明,该算法性能优异,精度很高。     

基于L曲线法的抗差岭估计模型

介绍了基于L曲线法的抗差岭估计模型及其在抵御系数阵病态和观测粗差影响中的作用,给出了抗差岭估计模型的推导公式及L曲线法确定岭参数的基本原理。最后结合实际算例作出五种方案的计算比较,结果表明：基于L曲线法的抗差岭估计模型能够有效地改善和抵御系数阵病态和粗差观测值带来的影响。     

浅谈大地测量中的病态问题

在大地测量中,病态问题是广泛存在的.为了解决这一问题,国内外的许多专家学者都致力于病态问题的研究,提出了处理病态问题的方法,主要有岭估计、广义岭估计、主成分估计法、Tikhonov正则化方法、SVD奇异值分解法以及虚拟观测方法等.本文主要对这些方法的基本原理进行了简单的概括,并对病态问题的发展做了简要论述.     

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。     

岭参数确定的研究

中文阐述了多种岭参数确定方法的原理,如岭迹法、L曲线法、两步解法、GCV法和双h公式法,应用数据编程比较了各种岭参数计算方法所得的结果及对最小二乘估计的改进效果.结果表明,L-曲线法易于确定岭参数,是一种确定岭参数的良好方法.此外,两步解作为另一种解算病态问题的方法,不仅要明显优于LS估计,并且改善了L-曲线法的计算结...     

航空重力向下延拓病态问题的求解

提出将广义岭估计用于求解航空重力向下延拓病态问题,研究了求解逆Poisson积分问题的3种正则化方法：Tikhonov正则化、岭估计和广义岭估计。利用EGM2008地球位模型设计模拟数值实验,将飞行高度处含白噪声的2.5′×2.5′重力扰动向下延拓至大地水准面上,与参考值作外部检验,全面检验、比较了各向下延拓方法的可靠性、精度和稳定性,数值结果表明基于多个最优正则化参数的广义岭估计在延拓精度、稳定性和抗差性等方面要显著优于基于单个正则化参数的Tikhonov法和岭估计。     

基于信噪比检验的部分奇异值双参数修正估计

从分析LS估计和岭估计的奇异值展开式出发,研究了病态性问题的解算方法。岭估计中岭参数对较大奇异值的修正不能有效降低估计的方差,却增大了估计的偏差,这是导致岭估计有时效果不好的重要原因。首先借鉴TSVD思想,保留展式中较大奇异值所对应的项,然后修正展式中较小奇异值所对应的项。在修正前,利用信噪比检验,将各个参数按受到复共线性危害的大小分为两类,据此作出不同强度的双参数修正,提出了基于信噪比检验的部分奇异值双参数修正估计。实验结果表明,新方法的解算精度较高。     

Generalized penalized least squares and its statistical characteristics

The solution properties of semiparametric model are analyzed, especially that penalized least squares for semiparametric model will be invalid when the matrixBTPB is ill-posed or singular. According to the principle of ridge estimate for linear parametric model, generalized penalized least squares for semiparametric model are put forward, and some formulae and statistical properties of estimates are derived. Finally according to simulation examples some helpful conclusions are drawn.     

Generalized Penalized Least Squares and Its Statistical Characteristics

IntroductionThe semiparametric models is composed of lin-ear parametric model and nonparameter (or non-parametric signal) ,so the model does not haveonly one solution on the least squares conditionVTPV=min,the normal equations is singular[1].In order to g…     

一种解算病态问题的方法--两步解法

提出了一种解算病态问题的方法———两步解法。在两步计算中,均采用L曲线法来确定正则化参数α。通过算例,比较了该方法和LS估计、岭估计及截断奇异值方法的效果。结果表明,该方法要明显优于LS估计、岭估计及截断奇异值法。     

A semilabeled-sample-driven bagging technique for ill-posed classification problems

In this letter, a semilabeled-sample-driven bootstrap aggregating (bagging) technique based on a co-inference (inductive and transductive) framework is proposed for addressing ill-posed classification problems. The novelties of the proposed technique lie in: 1) the definition of a general classification strategy for ill-posed problems by the joint use of training and semilabeled samples (i.e., original unlabeled samples labeled by the classification process); and 2) the design of an effective bagging method (driven by semilabeled samples) for a proper exploitation of different classifiers based on bootstrapped hybrid training sets. Although the proposed technique is general and can be applied to any classification algorithm, in this letter multilayer perceptron neural networks (MLPs) are used to develop the basic classifier of the proposed architecture. In this context, a novel cost function for the training of MLPs is defined, which properly considers the contribution of semilabeled samples in the learning of each member of the ensemble. The experimental results, which are obtained on different ill-posed classification problems, confirm the effectiveness of the proposed technique.     

共享近邻聚类算法点云面线提取

针对激光点云数据进行建筑物建模或矢量信息提取中快速识别建筑物面和棱线信息的要求,该文提出基于共享近邻聚类算法进行建筑物面和棱线的快速提取方法。首先,计算点云中每个数据点的单位法向量和点到基准面的距离,利用基于网格的共享近邻聚类算法对点云进行分类确定建筑物面点云;然后,自动判别相交平面,提取建筑物棱线,并与RANSAC算法对某建筑物面的提取结果进行比较。结果证明,该方法自动化程度高,建筑物面和棱线提取快速、准确,提取结果能够应用于三维建筑物自动建模和测绘出图。