加权总体最小二乘的效率优化算法

加权总体最小二乘法是理论上估计EIV模型参数相对严密的方法,其迭代过程中涉及的矩阵运算较为耗时,在处理大量级数据时尤其明显。PEIV模型有助于提高加权总体最小二乘法的计算效率。本文基于PEIV模型和经典最小二乘准则给出了一种加权总体最小二乘法算法,算法的推导过程简洁,易于理解,迭代过程中无需重构矩阵,减少了矩阵运算量。最后通过仿真试验验证了算法的可靠性。试验结果表明,本文算法可以取得与现有算法相同的参数估计精度且计算效率更高。     

加权总体最小二乘的地面解析摄影测量算法

在分析加权总体最小二乘解与经典最小二乘解的区别和联系的基础上,将加权总体最小二乘平差理论首次应用于地面摄影测量的解析相对定向算法中,并给出了基于相对定向模型的加权总体最小二乘的算法步骤。同时,将Procrustes理论引入到解析绝对定向模型中,推导了基于Procrustes理论的加权总体最小二乘解。具体算例证明了加权总体最小二乘平差理论应用于地面摄影测量处理中能够获得精确稳定的解析参数。     

线性回归参数的总体最小二乘估计算法研究

针对线性回归参数的总体最小二乘估计问题提出了线性回归加权总体最小二乘平差模型,在此基础上推导了线性回归的加权总体最小二乘迭代算法。之后,采用一个算例进行了分析,其结果验证了提出模型和算法的正确性和可行性。     

顾及系数矩阵结构性的加权总体最小二乘解算

针对加权总体最小二乘平差模型中系数矩阵具有结构性的问题,该文设计了一种顾及系数矩阵结构性的加权总体最小二乘迭代解法:首先,利用非线性最小二乘平差方法将总体最小二乘模型线性化;然后,采用结构矩阵的方法顾及系数矩阵的重复元素和常数项,通过间接平差的原理推导了顾及系数矩阵结构性的加权总体最小二乘迭代公式,可适用于加权总体最小二乘的参数估计;最后,通过算例分析并与其他算法进行比较,验证了该算法的有效性和可行性。     

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。     

圆曲线拟合的总体最小二乘算法分析

针对圆曲线拟合参数求解的问题,该文在分析现有的圆曲线模型构建及其参数求解方法的基础上,以圆曲线的参数方程建立圆曲线拟合模型,采用总体最小二乘算法的求解模型参数。通过实例数据和模拟数据,对比分析现有以一般方程构建的圆曲线拟合模型的最小二乘算法、混合总体最小二算法以及根据协方差传播定率定权的加权总体最小二乘算法计算结果。实验结果表明,采用该文提出的总体最小二乘算法求解由参数方程构建的拟合模型,效率和准确度均有所提高。     

多元总体最小二乘问题的牛顿解法

为提高多元总体最小二乘问题参数估值的解算效率,推导了基于牛顿法的多元加权总体最小二乘算法;分析比较了基于牛顿法的多元加权总体最小二乘解和基于拉格朗日乘数法多元加权总体最小二乘解之间的关系,根据协因数传播律给出了多元总体最小二乘平差的16种协因数阵的近似计算公式。新算法能够解决观测矩阵和系数矩阵元素具有相关性的问题,并且可以把观测矩阵和系数矩阵的随机元素和常数元素纳入到一个协因数阵中进行处理。算例结果表明,本文提出的多元总体最小二乘问题的牛顿解法可行且收敛速度更快。     

坐标转换Partial-EIV总体最小二乘方法

在测量数据处理过程中,针对系数矩阵中同时存在随机元素和固定元素的情况,Xu等通过将随机元素分离使EIV模型推广到Partial-EIV模型,并给出基于Partial-EIV模型的总体最小二乘(TLS)算法。文中介绍该算法,并将其应用在平面及空间的坐标转换中,通过与最小二乘(LS)、总体最小二乘(TLS)及加权总体最小二乘(WTLS)方法的比较和分析,验证该算法有效性。     

病态加权总体最小二乘的广义岭估计解法

针对加权情形下的变量误差(EIV)模型,采用广义岭估计法处理总体最小二乘平差的病态性问题. 结合最优化准则和协方差传播率推导了未知参数的改正数求解公式;根据参数估计值的均方误差最小化原理,通过求偏导数列出广义岭估计中岭参数的迭代解式,并讨论了广义岭参数的含义和作用,给出了确定岭参数的L-曲线法. 通过算例比较分析了加权最小二乘估计、总体最小二乘估计、加权最小二乘岭估计、总体最小二乘岭估计、加权最小二乘的广义岭估计和总体最小二乘广义岭估计,叙述了加权总体最小二乘的广义岭估计的优缺点.      

基于非线性高斯-赫尔默特模型的结构总体最小二乘法

变量误差（error-in-variables,EIV）模型的系数矩阵存在结构特征的情况,并且这种结构特征可以扩展到观测向量中。首先采用变量投影法将系数矩阵的增广矩阵展开成仿射矩阵形式,提取系数矩阵和观测向量中的随机量,并将EIV模型表示为非线性高斯-赫尔默特模型,然后利用非线性最小二乘原理推导了一种结构总体最小二乘法。该算法统一了普通的结构总体最小二乘法、结构数据最小二乘法以及最小二乘法。将该算法应用到真实算例和模拟算例中,两个算例结果表明,该算法与已有能够解决EIV模型结构特征的结构或加权总体最小二乘法估计结果一致,验证了该算法的有效性。同时,该算法对结构特征的提取方式简单、规律性强且易于编程实现;且在算法设计中,把结构总体最小二乘问题转换为附有参数的条件平差问题,即将其纳入到最小二乘平差理论体系,便于其扩展应用。同时对平面拟合问题的误差估计特性进行了定性分析,由分析可知参数的相对大小对估计误差的一致性有直接影响,这说明EIV模型下系数矩阵和观测向量中随机量的估计误差与真误差的一致性关系相对复杂。     

基于GPS高程拟合的总体最小二乘算法研究

针对GPS测量噪声影响高程拟合精度的问题,本文详细阐述了最小二乘方法、总体最小二乘算法和加权总体最小二乘算法三种误差处理方法的基本原理及计算公式。根据常用的两种曲面拟合模型,通过对实测数据拟合结果分析GPS测量噪声对高程拟合精度的影响,并对比上述三种算法的结果。数值计算结果表明在顾及GPS测量噪声的情况下,总体最小二乘算法能够很好地削弱其对高程拟合的影响,从而提高拟合精度。     

稳健加权总体最小二乘方法

加权总体最小二乘没有考虑观测数据中可能存在的粗差,本文基于IGG权函数,采用选权迭代法求解加权总体最小二乘。结合模拟数据和真实数据,系统地比较了加权总体最小二乘方法、基于Huber权函数的稳健加权总体最小二乘方法和基于IGG权函数的稳健加权总体最小二乘方法的系数估计和误差估计,通过对比分析表明,两种稳健加权总体最小二乘方法的参数估计结果比加权总体最小二乘方法更加可靠,且以基于IGG权函数的稳健加权总体最小二乘方法为最优。     

改进的约束总体最小二乘法

针对传统的约束最小二乘模型和总体最小二乘模型的局限性,该文提出了一种改进的约束总体最小二乘法。假设约束总体最小二乘问题中约束方程系数矩阵也存在误差,然后构造函数模型的广义拉格朗日函数,采用最小二乘法迭代求解非线性的法方程,最终获得了改进的约束总体最小二乘法的牛顿-高斯迭代公式和平差模型精度的无偏估计。该算法采用了更接近实际的平差模型,能够获得更加接近真值的估计参数,同时平差模型的精度更加接近模拟数据加入的噪声水平。实验结果表明,本文算法可有效解决对参数进行约束时的数据处理问题。     

EIV模型参数估计的新方法

提出了一种EIV(errors-in-variables)模型参数估计的新方法,即根据非线性最小二乘平差理论,并用构造结构矩阵的方法来顾及系数矩阵的重复元素和常数项,推导了其迭代算法和精度评定公式。新方法统一了总体最小二乘、加权总体最小二乘以及结构总体最小二乘三种算法,并给出了详细的解算步骤。新方法的推导过程及其迭代格式较为简单,易于程序实现。最后通过两个实例验证了本文方法的有效性和可行性。     

抗差加权整体最小二乘模型的牛顿-高斯算法

基于加权整体最小二乘的牛顿-高斯迭代算法,提出了一种抗差加权整体最小二乘模型。利用标准化残差构造权因子函数,并采用中位数法获得具有抗差性的单位权中误差估值,能同时实现观测空间和结构空间抗差。为获得标准化残差,利用线性近似的协因数传播律推导了加权整体最小二乘残差协因数阵的表达式,并给出模型的迭代计算方法。试验结果表明:对于加权整体最小二乘的粗差处理问题,本文提出的方法具有良好的抗差性能,参数估值与不含粗差时加权整体最小二乘的结果没有显著的差异,性能优于直接由残差构造的稳健加权整体最小二乘模型。     

粗差探测与稳健估计相结合的方法在直线拟合中的应用

当观测向量和系数矩阵都含有粗差时,提出将粗差探测法和稳健加权总体最小二乘法二者有效结合的方法,在数据预处理阶段,利用粗差探测法剔除大的粗差,在参数估计阶段,利用稳健加权总体最小二乘法控制小粗差。以直线拟合为例,通过对比分析表明,粗差探测法和稳健加权总体最小二乘相结合的方法求出的参数结果最优。     

基于加权总体最小二乘的平面点云拟合方法

根据每个点云激光反射强度不同以及对于系数阵A的部分修正,在地面三维激光的平面点云拟合中引入加权总体最小二乘的方法,建立较最小二乘方法和总体最小二乘方法更加合理的模型.根据相应的迭代算法,经实例计算证明该方法更加合理,可以获得更高精度的参数解.     

一种拟合三维空间直线的新方法

提出了一种基于稳健总体最小二乘的三维空间直线拟合新方法。该方法以加权总体最小二乘为基础,通过删除点到拟合直线距离过大的观测点来抵抗粗差的影响,获得空间直线参数的稳健估计值。试验表明,当观测数据中不含有误差时,加权最小二乘法、加权总体最小二乘法和本文方法的参数估计值高度一致;当观测数据包含粗差时,本方法的参数估计值明显更接近真实值。     

总体最小二乘平差中粗差的可区分性

针对总体最小二乘中粗差的可区分性,在Partial-EIV模型加权总体最小二乘算法的基础上引入了两个备选假设下的可靠性理论,给出了分析总体最小二乘粗差可区分性的方法。通过直线拟合的算例分析,说明本文的方法是可行的,能够有效地分析总体最小二乘中粗差的可区分性,并发现采用总体最小二乘求解直线拟合时,存在粗差不可区分的情况,也就意味着粗差是不可定位的。对于其它计算模型也可能存在粗差不可区分的情况,须加以注意。     

同伦加权整体最小二乘平差算法

针对标准最小二乘（ＳＬＳ）解ＥＩＶ模型存在算法收敛性受初值影响的问题,提出同伦加权整体最小二乘平差 法。首先根据ＳＬＳ理论,按照整体最小二乘平差准则获得求解ＥＩＶ模型的法方程,联合同伦理论构建同伦加权整体 最小二乘平差模型;然后采用预估－校正法对模型进行求解,并设计对应的计算算法;最后以直线拟合和二维坐标 变换为例,对所提算法的可行性进行验证,针对不同初值情况对新旧算法收敛性对比。实验结果表明,在初值离真 值较远时,新算法仍然能够收敛,解决ＳＬＳ－ＷＴＬＳ中出现的发散和奇异问题。