������С���˽������о�

??????????,??????????С?????????С??????????任???????????????????С?????????????????????С???????????????????С??????????????????С????????????????????С???????????????????????????????????????????????С????????С????????в??λ??????????????????     

�����Ա����������Իع�����㷨

??????????????????????????????????????????????С?????????????????????С???????????????????????????Ч?????????     

�˼���ظ����Ŀռ���ά����ϵͳת��

?????????????????????????????У????????????????????????????????????????????????????е????????????????????????????????????????????С?????????????????????й???????????????????С???????????????????????????????????????????????????????????????С?????TLS??????С?????LS??????????????????????????????????????????????????     

���ʶ���������С�������������ͬ�׷�����Ӧ��

???????????????????????Jacobian???????????????????????????????С?????????????????????????С?????????????????????????в?????????С??ж?????????????????????2??????????????????仮??????????????????С??????????н???????????÷???????????????????????????????????????????????????????????????????????????????????????????????????????????С??????????????С??????     

��������С�����պϻ��Զ������㷨�о�

??????С????????????????????????????????????????????????????????????????????????????·?????????????????????????????????С?????????????????????GPS???????????????????????????????÷???????????     

������С���˷������������о�

?????????????????????С??????????????????????????С????в????????С????в?????????????????????????Σ??о???????С?????????????С??????????С??????????????????????ó???????????????????ó?????????     

������С����֧�����������Ӳ�Ԥ��

??????????????????????????С??????????????????????????????????LS??SVM?????????????????????ζ???????????????????????????С???????????????????1??????????????????????????????????????????????С???????????????????????     

С�������뷽���������Ľ�

??С?????????е?????????????????????С???????????????????????????????????????????????????????????飬??????????????????????????????????????????ж??????????????,????????????????????????????     

�����ģ����ϵͳ�����е�Ӧ��

???????????????????????????е?????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????С?????????????????????С????????????????Ч?????????д?????????????????????????????????????     

��Ȩ������С��������ά����������е�Ӧ��

???????к????????????С???????????????С????????????????????????????????С??????????????????????????????????????A?????????????????????P??PX??P0????????LS??????TLS???????????????????????????????????????????????????????С????????????????????????????????     

病态加权总体最小二乘靶向病灶的正则化方法

病态EIV模型的病灶源于设计矩阵的部分数据列之间存在复共线性关系。针对病灶特点制定正则化策略,在克服病态性的同时尽量减小正则化过程所引起的副作用,提出靶向病灶的正则化方法。通过数值试验,与总体最小二乘方法、病态总体正则化方法等进行比较,结果表明靶向病灶的正则化方法最优。     

SPECTRAL DECOMPOSITRION FORMULA FOR REGULARIZATION SOLUTION OF ILL-POSED EQUATION

1　IntroductionAwell posedequationhasobviousmathematicalandphysicalmeaningandfitsallofthefollowingconditions:a)solutionexists,b)solutionisunique,c)so lutionisstable .Ifanequationviolatesanyoftheabovethreeconditions,itiscalledincorrectlyposedequation .Ifthesolutionisn’tunique,thecorrespondingequa tioniscalledrankdeficientequation .Ifthesolutionisn’tstable,thecorrespondingequationiscalledill posedequation .Somekindofconstraint,forexam ple ,minimumnormconditionmustbeaddedinor derthattherankdef…     

不适定方程正则化算法的谱分解式

从观测方程系数矩阵的谱分解着手探讨不适宜方程的正则化算法。利用谱分解式阐明了正则化的主要作用是平滑对参数估值比较敏感的观测误差的高频分量，完整给出了最小二乘平差、秩亏平差和病态方程正则化解的谱分解公式，证明了正则化解参数估值偏离真值的二次范数的期望值与均方误差是等价的。     

等式约束病态总体最小二乘模型的正则化解及其精度评定

利用平差参数间合理的先验信息能够显著提高解的精度。在病态总体最小二乘模型的基础上，引入等式约束条件，建立等式约束病态总体最小二乘模型，构建该模型的约束正则化准则，并根据拉格朗日极值法导出参数的迭代解及方差-协方差阵，最后以数值算例和病态测边网算例验证公式的正确性。结果表明，新方法通过正则化准则能改善法矩阵的病态性，且遵从EIV准则顾及系数阵的误差，同时还考虑参数间合理的先验信息，其解的精度得到显著提升。     

基于归一化磁源强度的聚焦反演方法

针对剩磁条件下铁磁物质反演中存在的问题,提出基于归一化磁源强度的聚焦反演方法。首先,利用归一化磁源强度作为实测数据对磁性目标进行反演,减弱剩余磁化对反演结果的影响;然后,利用深度加权矩阵和最小支撑矩阵对经典Tikhonov正则化理论框架下的反演模型进行约束得到目标函数,并有效解决了核函数随深度增大而快速衰减的问题;最后,通过对目标函数进行迭代奇异值分解获得最佳物性参数,并根据Morozov偏差原则自适应地确定目标函数在迭代过程中的正则化参数,提高了迭代速度和求解精度。     

高程异常拟合病态EIV模型的广义岭估计算法

应用法方程矩阵的特征向量构造正则化矩阵，改进通过单一参数既要实现降正则化、又要实现正则化的高程异常拟合病态模型算法。以二次多项式拟合模型为例，应用实测数据对算法进行验证，并与现有病态模型的正则化算法进行比较。     

正则化方法的统一

对最小二乘估计作线性变换,使得新估计是真值的最优拟合,并且包含模型参数的先验误差协方差阵。从滤波因子的角度对正则化方法进行统一,提供了常见的Tikhonov正则化方法、截断奇异值法、广义岭回归方法等的滤波因子与对应的误差协方差阵的特征值。     

���򻯷�����ͳһ

????С?????????????任??????1????????????????????????????????????????Э????????????????????????????????????????????Tikhonov?????????????????????????????鷽?????????????????????Э??????????????     

�����Բ���ʽԼ��ƽ��ģ�͵�һ������㷨

????Lemke???????в??????????????????????????????????в???????????С?????????????????ι滮?????????????ι滮??Kuhn??Tucker????????ι滮?????????LCP??????????Lemke?????????????????ò?????С????????????????????????????????á?