EM算法在p范混合模型参数估计中的应用

针对多种分布形式混合的观测数据,建立了p范混合模型,考虑到模型中混合数属于不完全数据,引入期望最大化(expectation-maximum, EM)算法,对该混合模型的参数进行估计,详细推导了p范混合模型参数估计的迭代公式,并给出了相应的迭代步骤。采用混合高斯分布数据、拉普拉斯分布与高斯分布混合数据及实测GPS观测值残差数据,验证了公式的正确性和适应性。算例结果表明,与单一概率分布相比,p范混合模型能够准确反映数据分布的实际情况,同时利用EM算法估计的模型参数具有较高的精度。     

船台测量场中公共点的粗差判别方法

针对船台公共点含粗差时对测量场整体精度的影响,提出了一种稳健的公共点粗差判别方法。该方法先通过莱以特准则初步筛选得到可疑点,再以罗曼诺夫斯基准则对可疑点进行判别,确定异常点并剔除,最后采用SVD算法计算转站参数。通过仿真试验进行验证,结果表明,该方法能准确地剔除异常点,得到可靠的转站参数估值,从而提高测量场整体精度。