Partial EIV模型的解法

提出了一种求解partial errors-in-variables(partial EIV)模型的思路。通过对partial EIV模型的部分元素进行移项,重组成新形式下的平差函数模型,两次运用间接平差原理分别求解平差参数与系数矩阵中的随机元素,把总体最小二乘平差问题转化为最小二乘平差问题,并通过适当变换提高了新解法的收敛速度。最后分别采用实测数据和模拟数据进行验证,求解了本文算法与已有算法的估值结果。算例结果表明,本文算法能取得与已有算法相同的结果,是切实可行的。     

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。     

三维坐标转换的非线性Gauss-Helmert模型及其解法

针对传统的三维坐标转换模型局限于求解小旋转角的三维坐标转换参数的缺点,以及没有同时顾及观测向量和系数矩阵的随机误差,该文提出了一种新的三维坐标转换参数求解模型。基于非线性Gauss-Helmert模型,建立了三维坐标转换的Bursa-Wolf模型,采用Newton-Gauss迭代算法,构建了加权整体最小二乘问题的拉格朗日函数,并给出了该算法的具体推导过程及其精度评定公式。实测数据和仿真数据结果表明:新算法在无须假设条件的前提下,可以获得任意旋转角下的坐标转换参数,且待估参数数目大大降低,易于程序实现。     

一种基于流形正则化的半监督指纹定位算法

针对传统指纹定位算法采集带标签训练数据成本高的问题,本文提出了一种基于流形正则化的半监督指纹定位算法。首先以流形假设为依据,利用批量输入的带标签数据与无标签数据之间的相似度构建图拉普拉斯算子;然后与极限学习机算法相结合,通过随机特征映射建立隐含层;最后在流形正则化框架下,求解隐含层和输出层之间的权值矩阵,从而建立位置估计模型。仿真结果表明,与INN、SVR、ELM 3种算法相比,该算法的训练和测试时间相对较短,且在带标签训练数据稀疏的前提下仍能保持较高的准确率与稳定性。     

顾及设计矩阵误差的AR模型新解法

在自回归模型求解中,设计矩阵和观测值均存在误差,传统的最小二乘法不能很好地解决这一问题。本文提出了一种顾及设计矩阵误差的AR模型新解法,通过引入虚拟观测值,使观测向量与设计矩阵不仅同源而且带误差的元素个数相同,然后通过对观测方程进行等价变换巧妙实现了在最小二乘框架下求解自回归问题。利用模拟数据及实测数据分别对新算法进行了内符合精度检验,并利用实测数据对新算法进行外符合精度检验,结果表明新算法得到的结果显著优于奇异值分解(singular value decomposition,SVD)解法及传统最小二乘解法,验证了算法的精度和有效性。     

加权总体最小二乘法在点云数据平面拟合中的应用

研讨一种加权总体最小二乘法,它是在Malengo A文献的基础上推导的基于拟牛顿法的加权总体最小二乘算法,能够处理误差变量模型中的各种不同的情况。本文将该算法应用于点云数据平面拟合模型的求解,通过比较加权总体最小二乘法与最小二乘法、总体最小二乘迭代解法的结果来验证该种算法的有效性。     

基于严格成像模型的SPOT5 HRS反变换研究

基于SPOT5 HRS严格成像模型,提出了一种新的严密的反变换算法,介绍了其求解过程,并利用某地区的数据验证了其可行性.     

月面巡视探测器导航和全景相机标定方法研究

提出一种基于自检校光束法平差模型的月面巡视探测器导航相机和全景相机的高精度标定算法。详细推导了利用二维直接线性变换模型求解相机参数和像片外方位元素初始值的方法;推导了利用自检校光束法平差模型求解相机参数和像片外方位元素精确值的方法。最后,利用一对工业镜头模拟月面巡视探测器导航相机和全景相机并获取一组实际数据对算法进行试验,验证了算法的精度和可行性。     

Levenberg-Marquarat算法及其在测量模型参数估计中的应用

分析了参数估值中求解函数模型的LS算法、牛顿算法、高斯一牛顿算法等常用方法在实际应用中所存在的问题;针对以上算法遇到法方程呈病态或奇异时不能得到所求问题稳定解的情况,尝试将Levenberg-Marquarat算法用于求解法方程异常时的线性和非线性函数模型;然后结合数据算例,分析Levenberg-Marquarat算法的计算结果,并与传统方法进行简单的对比。算例表明,Levenberg-Marquarat算法是处理法方程病态或奇异的有效方法。     

散乱点云数据的分割方法探究

数据分割是点云数据处理流程中的一项关键技术,本文针对点云数据分割这一问题,分析了基于几何模型的分割法、欧几里德簇分割法和区域生长分割法三种点云数据分割方法的原理和算法流程,并利用实际工程数据检验了三种分割方法的效果。针对以上三种方法的优势及缺陷,本文实现了附条件的欧几里德簇分割法,该算法对欧几里德簇分割法和区域生长分割法进行融合改进,利用同一点云数据对该算法与上述算法进行比较分析,最后用一处复杂建筑物点云数据对该算法的分割效果进行再次检验,分割效果较为明显,再次证实了该算法具有较强的实用性。     

顾及空间分布与注记相关性的点要素注记配置算法EI北大核心CSCD

点状要素注记自动配置问题是数据可视化研究的难点之一。稠密型点状要素注记之间往往存在着较大的相关性和冲突性,从而导致注记效率低下及配置结果不合理的问题。本文通过充分挖掘稠密型点状要素的空间分布特征和注记相关性,提出了一种顾及空间分布与注记相关性的点要素注记配置算法。首先,充分挖掘点要素的局部空间分布特征和注记间的相关性构建注记关联度模型;其次,利用基于注记关联度模型的空间聚类算法对其整体空间分布特征进行描述和分析,将单一数据集划分为若干个独立的子数据集,以消除整体求解中独立数据集产生的干扰性和模糊性;最后,利用点要素的局部空间分布特征和注记相关性构建基于增序注记关联度模型的注记次序规则,并采用多层次元启发算法求解注记配置的近似最优解。试验结果表明:在5%~40%注记密度下的点要素注记配置,新算法较传统元启发式算法的求解效率提高10.41%~28.92%,注记质量评价函数值下降5.5~35.9,有效提升了点要素注记配置的效率和质量。     

一种适用于大角度的三维坐标转换参数求解算法

针对传统的三维基准转换模型局限于求取小角度的三维基准间转换参数的缺点,提出了一种适用于大角度的三维基准转换参数求解模型。利用实测数据和模拟数据对此模型进行了验证,结果表明,所提出的算法适用于任意角度的三维基准转换,既可利用传统的最小二乘方法估计坐标转换参数,又可利用整体最小二乘方法进行参数求解,可靠性高,解算速度快。     

基于能量守恒方法恢复CHAMP重力场模型

介绍了基于能量守恒定律恢复地球重力场模型的基本原理和算法.指出了CHAMP加速度计数据存在的问题,提出了整体求解尺度因子、偏差参数和偏差漂移的数学模型及差分算法.利用2002年1月的CHAMP快速科学轨道数据和加速度计数据计算出了50 × 50地球重力场模型XISM02.将该模型与EGM96,GRIM5C1,EIGEN1S,EIGEN2模型进行了比较,并用北极实测重力数据对上述模型进行了检验.结果表明:XISM02模型在北极地区精度与EIGEN1S,EIGEN2相当.     

带不等式约束的最小二乘方法比较

解决带不等式约束的平差问题已有较多方法,但不同方法之间的对比分析不足。本文讨论三种带不等式约束的最小二乘算法:简单迭代算法、虚拟误差方程法、迭代乘子法,三种算法都是基于有效约束理论将不等式约束转换为等式约束,通过迭代求解。采用同一组数据和蒙特卡罗仿真实验方法对三种算法计算结果进行对比分析,实验结果分析表明:迭代乘子法算法效率最高,推荐使用该算法。     

非线性二维转换模型的稳健总体最小二乘算法

针对应用线性最小二乘估计准则求解非线性平面转换模型参数时,通过定义间接参数将模型线性化的方法不能直接求解转换模型参数的问题,该文在非线性平面转换模型的基础上,建立线性模型,实现平面坐标的转换。为解决控制点已知坐标与观测坐标中均含有误差对转换参数求解的影响,对应用稳健总体最小二乘求解线性模型参数的算法进行讨论。最后,通过算例比较稳健总体最小二乘算法与最小二乘算法在抗差性方面的优势。结果表明,稳健总体最小二乘算法更适用于应用线性模型求解未知控制点的转换坐标。     

利用不等式约束求解病态问题的新算法

病态问题是大地测量数据处理中常见的问题,充分利用平差过程所给的先验信息可以确保参数的可靠性和有效性.提出了一种利用不等式约束求解病态问题的新算法,该算法将先验信息表示为不等式形式,并与病态模型构成不等式约束平差模型.结合Karush-Kuhn-Tucker条件可将该模型转化为线性互补问题,然后利用Lemke算法求解.该法避免了对病态矩阵求逆,保证了参数解的唯一性和稳定性.最后,本文模拟了未知参数附先验信息的Hilbert矩阵及全球定位系统(Global Positioning System,GPS)快速定位实验,并结合多种经典的病态平差方法,验证了Lemke算法在处理病态问题上的有效性.     

基于弱对偶的平面三角形格网离散线转化生成算法

矢量数据是地球空间数据的重要组成部分,数据离散化是其与栅格数据进行同构处理的重要环节,其中离散线的生成是基本问题。针对三角形格网离散线生成算法的不足,提出了借助弱对偶六边形格网,建立等效三角形格网离散线数学模型,并通过降维方式求解的研究方法。首先,根据三角形格网与六边形格网之间的弱对偶关系,基于六边形格网建立等价的三角形格网离散线模型;然后,利用降维思想将二维离散线模型等价变换为一维闭合路径求解;最后,设计并实现了平面三角形格网离散线转化生成算法。将该算法分别与Freeman算法和全路径算法进行了对比实验,实验结果表明,该算法的运算效率可达同类算法的9～10倍,且效果更优,可应用于矢量数据的实时格网化、地形建模、空间分析、模拟仿真等领域,应用前景广阔。     

双极化SAR数据反演裸露地表土壤水分

为了较高精度地获取大范围地表土壤水分,提出一种基于双极化合成孔径雷达数据的裸露地表土壤水分反演模型即非线性方程组,通过改进的粒子群算法求解非线性方程组从而得到土壤水分。首先通过AIEM模型数值模拟和回归分析,得到一种新的组合粗糙度,然后模拟分析得到土壤水分与雷达后向散射系数的关系,从而建立雷达后向散射系数与组合粗糙度、土壤水分的经验关系。利用ASAR C波段双极化雷达数据,基于经验关系和改进的粒子群算法即可实现土壤水分的反演。经过黑河流域实测土壤水分数据对模型进行验证,反演结果与实测数据具备良好的相关性(R~2=0.778 6)。与以往同一区域研究成果比较,文中的方法反演精度有所提高,更适用于裸露地表土壤水分反演。     

测量数据不确定性度量的最小模糊熵算法

测量数据的质量及可靠性取决于测量数据不确定性的大小。从如何评价测量数据的不确定性入手,以测量不确定度理论与模糊数学为基础,构建以测量不确定度为未知参数的测量数据不确定性评价的函数模型,提出"模糊熵测度"作为函数模型求解的最优准则并建立相应的算法,应用高程监测网数据进行解算并与最小二乘估计结果进行比较,结果证明了该方法的可行性。     

BFGS-BP法在变形监测数据处理中的应用

针对传统的BP神经网络算法计算精度低、收敛速度慢的缺点,本文将求解无约束极值问题的非线性最优化方法—BFGS法引入到BP神经网络模型,构建适用于带有不确定性和非线性的结构变形监测数据的处理和预测的BFGS-BP网络模型。并以某隧道施工过程中的拱顶下沉观测数据为例,进行BFGS-BP与传统BP算法的训练和预测对比试验。试验结果表明,与传统的BP算法相比,BFGS-BP模型具有更高的计算精度、更快的收敛速度。