随机删失下半参数模型的补偿估计方法

考虑半参数测量模型L=Bx+S+Δ,x∈Rd为未知回归参数,S为未知Borel函数。本文首先利用自然样条函数法,找到符合条件的非参数自然插值样条函数。其次利用补偿法并综合最小二乘法,导出了这种平差方法的解算公式。在本文的最后,将这种方法与最小二乘平差方法进行了比较分析,结果说明,半参数测量模型能更接近于真实情况。     

半参数平差模型参数的两步估计

考虑半参数平差模型L=Bx+S+Δ,xεRd,S为未知回归参数,为未知Borel函数。本文首先利用自然样条函数法,找到符合条件的非参数自然样条插值函数。其次利用偏残差法并综合最小二乘法,导出了参数和非参数的解算公式,讨论了窗宽参数的选取方法。在本文的最后,将这种估计方法应用到重力场的计算中,说明了利用半参数平差模型估计参数的有效性。     

半参数测量平差模型与系统误差处理

考虑半参数测量模型L=Bx+S+Δ,x$Rd为未知回归参数,S为未知Borel函数。本文首先利用自然样条函数法,找到符合条件的非参数自然插值样条函数。其次利用偏残差法并综合最小二乘法,导出了这种平差方法的解算公式。最后,用一个算例说明了此方法的优越性。     

自然样条非参数回归模型及模拟分析

采用自然样条逼近的数据处理方法,探讨自然样条非参数回归分析方法.在补偿最小二乘的原则下,利用三次样条函数构 造补偿项,通过广义交叉核实函数自动选取光滑参数.采用自编程序进行计算,得到非参数回归函数的补偿最小二乘估计.模拟计算表明,该方法优于经典的LS估计.因此可以用于曲线拟合或测量系统误差的估计.     

自然样条半参数模型与系统误差估计

采用自然样条逼近的数据处理方法,探讨了自然样条半参数回归分析方法。在补偿最小二乘的原则下,利用三次样条函数构造补偿项,通过广义交叉核实函数自动选取光滑参数。自编程序进行计算,得到了回归参数向量和样条函数的补偿最小二乘估计。模拟计算表明,该方法适合于回归函数模型误差与测量系统误差的估计。     

变异函数模型参数的非线性加权总体最小二乘法

针对球状模型和指数模型两种变异函数模型线性化后的系数矩阵具有非线性形式,系数矩阵元素含有随机误差等问题,该文使用非线性加权总体最小二乘法估计变异函数模型参数。以高程异常数据为例,利用变异函数值的点对数定权法和系数矩阵中距离值的方差-协方差传播律定权法迭代解算参数,并与最小二乘法,加权最小二乘法和非线性总体最小二乘法进行对比分析。实验结果表明:非线性加权总体最小二乘法能够得到更高精度的变异函数模型参数。     

半参数模型的累积估计

文献 [1]用累积法研究了线性回归模型 ,得到了与最小二乘法相当的效果。本文将运用此法研究半参数模型得到了参数 β及非参数s (ti)的估计量 ;而后模拟一个例子 ,说明了此法的有效性。运用累积法不仅能得到与补偿最小二乘法相当的效果 ,而且弥补了补偿最小二乘法的一些不足。若该法与补偿最小二乘法结合在一起使用 ,将会得到较理想的结果。     

基于自然样条补偿最小二乘的高程误差研究

基于非参数自然样条补偿最小二乘估计方法,把GPS高程数据与对应的水准数据的差值作为观测值,按照非参数自然样条补偿最小二乘的估计方法,得到消弱偶然误差v之后的平差值,并以此去改正GPS高程,可以取得较好的效果。并以某河道测量采集的数据作为事例,证明该方法的有效性。     

RBF神经网络—半参数优化模型在滑坡预报中的应用

将RBF神经网络模型与基于补偿最小二乘准则的半参数模型相结合,首先进行RBF神经网络模型的预报,在此基础上进行半参数模型改正,非参数利用补偿最小二乘法求出,建立优化的RBF神经网络——半参数模型。结合某边坡的GPS高程观测数据进行建模预测,与单一采用RBF神经网络预报模型相比,结果显示精度较好,该方法有效可行。     

RBF神经网络一半参数优化模型在滑坡预报中的应用

将RBF神经网络模型与基于补偿最小二乘准则的半参数模型相结合,首先进行RBF神经网络模型的预报,在此基础上进行半参数模型改正,非参数利用补偿最小二乘法求出,建立优化的RBF神经网络——半参数模型.结合某边坡的GPS高程观测数据进行建模预测,与单一采用RBF神经网络预报模型相比,结果显示精度较好,该方法有效可行.     

半参数回归与模型精化

就一般情况给出了半参数平差的算法,并结合一种特定的情况,讨论了正规化矩阵半正定时的计算方法,给出了相应的公式。最后构造了一个模拟的平差问题,对半参数法和最小二乘法的计算结果进行了比较。计算表明,半参数法能够发现并识别模型误差或观测值中的系统误差     

复数域最小二乘平差及其在POLInSAR植被高反演中的应用

传统的测量观测值都是实数,因此测量平差都是在实数空间中进行的。然而,随着科学技术的快速发展,现代测绘领域中出现了一些用复数表示的观测数据。与实数数据一样,这些复数数据同样面临着如何从带有误差的观测值中找出未知量的最佳估计值的问题。但目前涉及复数观测的数据处理时,主要还是依据观测过程,分步或直接解算,不能考虑观测误差、多余观测信息等。针对这一情况,本文介绍了复数域中数据处理的最小二乘方法,试图将测量平差从实数域推广到复数域,并定量研究了两种平差准则的优劣性。为了了解复数域最小二乘的有效性,本文以极化干涉SAR植被高反演为例,建立复数域平差函数模型和随机模型,构建复数域最小二乘法反演植被高。结果表明该算法反演的植被高结果可靠,其精度优于经典植被高反演算法,且计算简单,易于实现。     

测量平差中不适定问题解的统一表达与选权拟合法

将测量平差中常见的几种数学模型分析比较,发现它们的解可以统一表达,形式上,都可以由吉洪诺夫正则化原理导出.在拟稳平差思想的启迪下,作者提出选权拟合法解不适定问题的思路.作者强调,解不适定问题应根据具体问题对参数作具体分析,找出合理的权阵或参数约束矩阵,利用统一的解式,可以得到符合客观实际的结果.最后介绍两个新解法算例.     

附参数的条件平差与按行独立的加权最小二乘法估计的一致性研究

测量平差问题多以间接平差模型为基础,间接平差是以观测值表达为参数的显函数为前提,而现代测量技术中,函数模型多表现为参数和观测值的隐函数,线性化后应为附参数的条件平差模型。本文介绍了附参数条件平差模型和加权总体最小二乘估计之间在解决这类问题的原理以及精度估计方法,证明二者估计结果是一致的,旨在揭示TLS方法与经典平差方法的关系,推广总体最小二乘及其扩展方法在现代测量数据处理中的应用。     

半参数估计的自然样条函数法

用补偿最小二乘原理，得到了参数和非参数分量的惟一解，并通过模拟计算，对半参数回归模型和参数模型的计算结果进行了比较。结果表明，半参数回归方法能较好地将观测值中具有连续光滑特性的系统误差分离出来。     

参数带有区间约束的平差模型迭代算法

测量平差模型中的参数通常存在一些不确定的附加信息或先验信息,充分利用它们可以对部分参数进行约束,从而保证参数解的唯一性和稳定性。本文主要研究参数带有区间约束的平差模型。即,利用矩阵正则分裂方法,将平差问题转化成一个简单的二次规划问题,建立了一种新的参数估计迭代算法,并证明了算法的收敛性。最后通过实例说明了新方法可以提高参数估计的效率,降低模型的不适定性,保持参数先验信息中的统计、几何或物理意义。     

基于非线性误差模型的参数估计

测量平差与数据处理所涉及到的误差模型大多为非线性模型。对非线性模型作线性化处理必然导致信息的损失和牲的改变。因此,在非线性模型空间内进行测量平差与数据处理是学科发展的必然趋势。在对非线性函数误差模型与非线性随机误差模型作出假定的基础上,本文着重讨论了关系型函数模型与相关型函数模型中参数的估计准则与解算方法。