非线性半参数模型最小二乘核估计的直接解法

基于非线性半参数模型最小二乘核估计,给出了其参数分量和非参数分量估计的构造式,导出了参数分量和非参数分量顾及二次项直接解法的计算公式。用实测数据进行计算,证明了对于非线性半参数模型最小二乘核估计,可采用顾及二次项的直接解法。     

广义补偿最小二乘估计及其统计性质

分析了半参数模型最小二乘解的特点,特别指出矩阵BTPB病态或奇异时,补偿最小二乘将会失效。基于线形模型岭估计原理,提出了半参数广义补偿最小二乘估计法,给出了其估计公式及其统计性质,并通过算例分析得出了相应的结论。     

非线性模型的补偿最小二乘估计

提出利用半参数估计理论解决非线性平差问题,即利用半参数模型中的非参数分量描述非线性模型按泰勒级数展开式中二次以上的高阶项,并推导了补偿最小二乘法求解非线性模型参数的相关公式。算例表明,对于非线性强度较强的模型,该算法可以取得较好的效果。     

多维观测的矩阵参数建模与加权最小二乘估计

针对常规向量参数法多维观测建模与平差效率低的问题,分析指出多维观测矩阵参数建模条件应满足不同观测维度的参数独立且个数相等特点（简称独立同构特征）,进而利用该建模条件、Kronecker积运算性质和加权最小二乘原理提出矩阵参数建模与加权最小二乘估计方法。该方法顾及不同观测维互相关性,增大系数阵稠密度,降低法矩阵阶数,从而有效提高了建模与平差计算效率。空间直线和GPS站坐标时序模型计算结果均表明,向量参数法和矩阵参数法平差结果相同,但后者具有更高的存储与计算效率。     

半参数回归与平差模型

从数据处理几种回归模型出发，对参数、非参数、半参数回归模型进行了讨论，指出了它们的适用前提条件。论证了半参数回归模型的最小二乘核估计与附加系统参数平差、补偿最小二乘准则与最小二乘配置之间的联系与区别，阐述了半参数回归估计在测量平差中的应用前景。     

线性回归总体最小二乘平差模型及解算

针对系数矩阵含有一列常数列的线性回归总体最小二乘平差问题,提出一种总体最小二乘平差模型。在此基础上,推导了线性回归总体最小二乘的迭代算法,并采用一个算例验证了模型和算法的可行性。     

整体最小二乘和最小二乘拟合空间直线的比较

给出整体最小二乘法拟合空间直线的一种迭代算法。将空间直线垂直投影到坐标平面,分别采用整体最小二乘法和最小二乘法拟合直线。对坐标点等精度观测、非等精度观测和坐标分量非等精度观测3种场景进行模拟计算,比较两种方法估计的参数和验后单位权方差,并对三维激光扫描仪实测数据拟合结果进行分析。     

线性回归模型的稳健总体最小二乘解算

针对线性回归中自变量和因变量可能含有粗差的情况,提出线性回归模型的稳健总体最小二乘法。将线性回归模型进行等价变换,视其总体最小二乘平差模型为非线性,根据选权迭代的思想推导线性回归模型的稳健总体最小二乘迭代算法。以模拟算例在自变量和因变量同时添加粗差的情况下进行10 000次试验,并从中选出一组数据进行具体分析,结果验证了本文算法的有效性和可行性。     

加权EIV模型的经典最小二乘算法

采用GHM方法将EIV模型在最优解处线性化,得到解的近似方差。然后,将EIV模型表达成与Gauss-Markov模型相似的形式,利用标准最小二乘理论推导EIV模型的解及近似方差矩阵,得到与已有算法等价的结论。最后,推导观测值估值和残差的统计性质,建立起一整套EIV模型参数估计和精度评定的体系。