一种构造正则化矩阵的新方法

在系数矩阵病态时进行参数求解,合理地选择正则化参数和正则化矩阵可以提高参数估计的可靠性。针对正则化矩阵如何构造的问题,提出一种新的正则化矩阵构造方法。通过法矩阵较小奇异值对应的特征向量构造出一个对称矩阵,用该矩阵的主对角线元素构造出对角矩阵,然后与单位矩阵组合得出一种新的正则化矩阵。实验表明,当正则化参数小于1时,新算法的参数估值优于岭估计。     

病态加权总体最小二乘靶向病灶的正则化方法

病态EIV模型的病灶源于设计矩阵的部分数据列之间存在复共线性关系。针对病灶特点制定正则化策略,在克服病态性的同时尽量减小正则化过程所引起的副作用,提出靶向病灶的正则化方法。通过数值试验,与总体最小二乘方法、病态总体正则化方法等进行比较,结果表明靶向病灶的正则化方法最优。     

病态加权总体最小二乘模型的正则化抗差解法

针对EIV模型系数阵病态且系数阵和观测值精度不同的情形,基于拉格朗日乘数法导出病态加权总体最小二乘模型的正则化解法,并证明已有的等权病态总体最小二乘模型的正则化解法是其特例。在此基础上,进一步提出基于中位数法的病态加权总体最小二乘模型的正则化抗差解法,并用第一类Fredholm积分方程和病态测边网两个算例验证算法的有效性。结果表明,受系数阵病态性以及粗差的影响,最小二乘解和总体最小二乘解精度较差,严重偏离真值;正则化解法在顾及系数阵和观测值误差的同时可有效削弱模型的病态性,其精度较最小二乘解和总体最小二乘解有所提升;而正则化抗差解法在正则化解的基础上,利用等价权函数重构权阵,能有效抵御粗差的影响,其精度最高。     

病态总体最小二乘的混合正则化算法

病态问题在大地测量数据处理中广泛存在,单一的Tikhonov正则化算法会造成求解过度平滑,而TV正则化可以更有效地抵抗噪声。本文将Tikhonov正则化和TV正则化两种方法有效结合,推导了具体求解公式并给出相应迭代算法。计算表明,本文提出的方法在处理病态总体最小二乘问题上稳定性更高。     

等式约束病态总体最小二乘模型的正则化解及其精度评定

利用平差参数间合理的先验信息能够显著提高解的精度。在病态总体最小二乘模型的基础上,引入等式约束条件,建立等式约束病态总体最小二乘模型,构建该模型的约束正则化准则,并根据拉格朗日极值法导出参数的迭代解及方差-协方差阵,最后以数值算例和病态测边网算例验证公式的正确性。结果表明,新方法通过正则化准则能改善法矩阵的病态性,且遵从EIV准则顾及系数阵的误差,同时还考虑参数间合理的先验信息,其解的精度得到显著提升。     

不适定方程正则化算法的谱分解式

从观测方程系数矩阵的谱分解着手探讨不适宜方程的正则化算法。利用谱分解式阐明了正则化的主要作用是平滑对参数估值比较敏感的观测误差的高频分量，完整给出了最小二乘平差、秩亏平差和病态方程正则化解的谱分解公式，证明了正则化解参数估值偏离真值的二次范数的期望值与均方误差是等价的。     

基于卫星重力梯度数据的密度反演研究

为解决卫星重力梯度大尺度密度反演存在的平面模型误差、病态矩阵正则化、大型矩阵求逆、先验数据融合等问题,依托Tesseroid单元体模型,分别采用广义岭估计、代数重建(ART)、遗传算法完成了附加高斯白噪声的模拟异常体密度反演实验,并将反演结果与原始设定模型进行比较分析。     

基于多参数正则化的空间坐标转换功能与改精度分析

三维坐标转换广泛应用于测绘内业计算中,其转换参数直接影响到转换点的精度.采用Bursa模型通过3个以上的公共点利用最小二乘法求取转换参数时,其中的系数矩阵严重病态,使求得的转换参数在公共点范围之外并不可靠.提出了基于Morozov偏差原理的Tikhonov正则化方法,考虑平移量、旋转角和尺度的多正则化参数的计算模型.模拟实验精度分析表明:多参数正则化求得的转换参数较最小二乘和单参数正则化,可以更好地提高外推精度和稳定性.     

病态模型改进正则化解的单位权中误差无偏估计

正则化法通过引入正则化参数对奇异值加以修正,从而改善法矩阵的病态性,然而其不加区别地对所有奇异值进行修正显然是不合理的。本文比较正则化解均方误差和最小二乘解方差的迹谱分解展开式,分析因修正奇异值导致解的均方误差变化与奇异值的关系,确定奇异值修正与否的条件,并基于残差二次型期望公式导出改进正则化解的无偏单位权中误差计算公式,最后用数值算例和病态测边网算例验证公式的正确性。     

病态模型平差的变分正则化方法

本文对病态模型平差问题进行研究,指出由于模型病态将引起平差结果的摄动,而根据Тихонов的变分正则化理论可构造出一种抗摄动的平差方法.文章通过理论分析和计算实验证明,只要合理的选择正则化参数α,就可使平差结果的均方误差比传统的最小二乘估计小,从而改善平差结果的精度.     

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。     

一种基于Partial EIV模型的圆曲线拟合解法

针对圆曲线拟合问题,以圆曲线的参数方程为基础建立圆曲线拟合的EIV模型,根据系数矩阵的特点将模型转化为更合理的Partial EIV模型,通过公式变形为最小二乘形式,采用两步迭代法求解模型参数,保证系数矩阵中相同元素的改正数一致,常数元素的改正数为零。算例数据结果表明,所提算法的可行性、拟合精度相对较优。     

一种基于Partial EIV模型的多项式拟合解法

针对多项式拟合模型系数矩阵中部分元素是某一自变量的函数的特点,根据Partial EIV模型的解算思想,将系数矩阵中自变量的函数作为随机元素提取,顾及泰勒展开的二阶项,由协方差传播律计算自变量函数的协因数阵进行平差解算。实验结果表明,系数矩阵的元素不再是单独的自变量时,使用该算法可以得到与已有非线性总体最小二乘方法相近的参数结果,从构造随机向量权阵的角度提供了一种新的解算方法。     

不等式约束Partial EIV模型的WHP拟牛顿修正解法及其精度评定的SUT法

提出一种确定不等式约束Partial EIV模型解及精度评定的新方法,在总体最小二乘准则下,将附有不等式约束的Partial EIV模型转换为标准最优化问题。采取WHP拟牛顿修正的SQP方法求解,并利用SUT法对参数估值进行精度评定,可以减小迭代次数、提高收敛速度,且精度评定方法简单有效。     

SUT法偏差改正的Partial EIV模型方差分量估计及其精度评定

由于部分变量误差（partial errors-in-variables,Partial EIV）模型方差分量估计精度评定理论不完善,将SUT采样法应用于Partial EIV模型的最小范数二次无偏估计（the minimum norm quadratic unbiased estimator, MINQUE）,利用方差分量估计修正随机模型并以此作为先验信息对观测向量进行SUT法采样得到参数的加权均值和二阶精度信息。考虑到非线性模型的偏差,进行偏差改正,再通过SUT法对改正后的参数采样计算二阶精度信息。通过算例实验验证,结合SUT法和方差分量估计求解Partial EIV模型,能够有效地避免复杂的求导运算,并获得更为精确的参数估值和合理的二阶精度信息,表明偏差改正的必要性。     

����TIKHONOV����Ķ̻��ߵ���Ԫģ���Ƚ��㷽���о�

?????????????????????????????????????????????????1????????????????????С?????????????????￡?????TIKHONOV???????????????????????????????????????????2?????????????????????LAMBDA????????????????TEC?????仯????????????????????м??顣???????????·?????????????????????????????????????????     

正则化方法的统一

对最小二乘估计作线性变换,使得新估计是真值的最优拟合,并且包含模型参数的先验误差协方差阵。从滤波因子的角度对正则化方法进行统一,提供了常见的Tikhonov正则化方法、截断奇异值法、广义岭回归方法等的滤波因子与对应的误差协方差阵的特征值。