多母体p—范极大似然平差

本文提出了多母体ｐ－范极大似然平差方法，建立了该方法的数学模型，并且导出了求解参数估值的基础方程，本文提出的方法溶测量平差，误差母体分布的估计、方差分量估计于一体，是对多元ｐ－范极大似然平差的进一步推广。     

多元p－范极大似然平差

本文详细推导了在概括平差函数模型下多元ｐ－范极大似然平差的基础方程以及求解参数估值的计算公式。本文提出的平差方法是一种包含最小二乘法，Ｌ１、Ｌｐ（ｐ＞１）最小平差法的更一般的方法。它只需对观测误差母体作单峰、对称的假设。此方法在给出位置参数、尺度参数的估值的同时，还能对误差母体分布作出估计     

多元p—范极大似然平差

本文详细推导了在概括平函烽模型下多元ｐ－范极大似然平差的基础方程以及求解参数估值的计算公式。本文提出的平差方法是一种包含最小二乘法，Ｌ１，Ｌｐ最小平差法的更一般的方法。它只需对观测误差母体作单峰、对称的假设。     

一元p－范极大似然平差

本文详细推导了一元ｐ－范极大似然平差的计算公式。在观测误差分布单峰、对称的条件下，该法可同时确定参数估值在忽略的随机性影响时，本文还推导了的估算公式。     

一无p—范极大似然平差

本详细推导了一元ｐ－范极大似然平差的计算公式。在观测误差分布单峰、对称的条件下，该法可同时确定参数估值μ、σ０、ｐ在忽略ｐ的随机性影响时，本还推导了Ｄμ的估算公式。     

一元非对称P范分布的极大似然平差

从测量误差的实际情况出发,提出一元非对称P范分布极大似然平差方法,建立该方法的数学模型,得到一元非对称P范分布的密度函数,利用极大似然估计方法推导参数估计值的基础方程.研究表明,结合实际测量数据,通过选择合适的参数估计值,可以增加误差分布模型选取的灵活性,便于P范分布理论在测绘数据处理中的推广应用.     

一元p-范分布的参数估计

应用矩估计法，在观测为误差单峰、对称的情况下，得到了一元p-范分布在不同情况下参数的计算公式。详细推导了一元p-范分布极大似然方程的解算公式，将矩估计法应用到极大似然平差的参数估计理论中，得到了一个比较好的算法，最后用两个算例说明了此方法的优越性。     

半参数p-范极大似然回归

应用核权函数,在观测为误差单峰、对称的情况下,得到了一元p-范分布的半参数模型的计算公式.详细推导了p已知时一元p-范分布极大似然方程的解算公式,将半参数回归模型应用到极大似然平差的参数估计理论中,得到了一个比较好的算法.最后,构造了两个模拟平差问题,说明了此方法的优越性.     

P-范分布与P-范最小平差

本文提出了 n元p-范分布的概念,从而在极大似然估计的基础上将最小二乘法与一范及无穷范最小平差法统一起来。随后本文还给出了p-范最小平差的计算方法。     

作为质量指标的估计方差的可靠性

研究了具体有ｐ范分布的参数的极大似然估计的估计方差。除Ｌ２估计外,其余Ｌp估计的 估计方差会出现３种不同合理情况：零单位权方差和同一估计量有两个不同的估计方差。这说明极大似然估计与最小方差估计并不完全等价。产生的原因在于单位权方差与分布的总体方差不相等。定义了单位权估计方差与总体方差的比值作为估计方差的可靠性指标。ｐ＝２,估计方差的可靠性为１００％;ｐ＝∞时,可靠性为零;ｐ与２相关越大,估计方差的可     

自适应Lp估计及其在SLR数据预处理中的应用

本文简要介绍了自适应Ｌｐ估计的有关理论和求解方法，并对ＳＬＲ数据的测量误差作了统计分析。发现ＳＬＲ数据的测量误差服从ｐ值不定的ｐ范分布。本文ＳＬＲ数据预处理实例表明自适应Ｌｐ估计能给出比ＬＳ估计更为稳健有效的拟合参数。当观测值粗差高达６６％时，自适应Ｌｐ估计仍能给出可靠的拟合参数，效果明显优于传统的ＬＳ估计。     

一元有界p范分布的参数自适应估计

根据实际观测误差的有界性，得到了有界误差分布的一般模式，讨论了此分布的数学期望、方差和特征函数等数字特征，得到了极大似然估计方程。模拟算例的结果表明，有界p范分布参数估计的结果优于无界p范分布极大似然估计的结果。     

p—范分布的近似表示

p-范分布是一个包含拉普拉斯分布、正态分析、均匀分布等常见分布的分布族。用p-范分布描述观测误差的统计特性，只需假定误差的分布为单峰、对称，因此、p-范分布似然平差可以避免事先假定误差的具体分布模式，而在平差过程中确定未知参数及误差的分布具有自适应的特点。但是p-范分布的密度函数比较复杂，不利于理论分析和实际应用。 的研究表明，p-范分布可以近似地表示为拉普拉斯分布与正态分析或正态分布均均匀分布的线性组全。p-范分布与本文给出的近似分布具有相的前四阶矩。由于拉普拉斯分布。正态分布。均匀分布的密度函数都比较简单，用近似分布代替p-范分布会使相关的问题得到简化。     

抗差估计在测量粗差处理中的应用

在测量数据处理时,经典的最小二乘估计方法对数据的粗差敏感度非常高,抗差效果较差.针对这个问题,学界提出了抗差估计的概念.本文对一种广义极大似然估计方法进行了简单介绍,通过一个算例对最小二乘和抗差估计两种方法所得结果进行了比较.结果证明,比较数据在存在粗差时,以广义极大似然估计为代表的抗差技术具有较明显的优势.     

L_p平差解的性质及抗差估计

本文首先分析了L_p平差的统计意义,证明了当观测误差服从p-范分布时,参数的极大似然估计即为L_p解。同时讨论了L_p的迭代解法及收敛性,给出了用改进的线性规划求L_1、L_∞解的方法。证明了L_p迭代解及L_1、L_∞严密解都是参数的无偏估计,同时构造了与L_p平差P值无关的单位权方差的无偏估计公式,并对L_p平差的效率作了讨论。最后分析了L_p平差与抗差估计的关系,给出了一种基于L_1解的抗差估计方法。     

作为质量指标的估计方差的可靠性

研究了具有p范分布的参数的极大似然估计的估计方差。除L     

GIS中数字化数据误差的分布检验与处理

对ＧＩＳ中手工地图数字化中的数据误差进行了系统分析和各种分布检验,认为数字化数据误差可能服从ｐ≈１．６的ｐ－范分布。在此基础上,探讨了数字化数据误差处理的ｐ－范平差,并与最小二乘平差进行了比较。     

P范分布的实数阶与对数矩估计法

从参数估计的精度和算法的复杂度出发,对P范分布参数的估计方法进行了改进。根据误差分布的实际情况,引入实数阶和对数矩估计方法,建立了P范分布的参数估计的实数阶矩估计方法。首先,利用实数阶矩估计法,导出了形状参数p与实数阶阶数r的关系式,对形状参数的选取给出了相应的建议;其次,改进矩估计理论,利用对数矩估计方法导出了形状参数、期望及中误差的非线性估计公式,消除了函数截断误差对参数估计值计算的影响,并利用迭代算法给出了相应参数的解算方法和计算流程;最后,用一个模拟算例和两个实测算例分析了实数矩、对数矩和极大似然估计3种估计方法的稳定性和精度。结果说明,本文提出的矩估计方法在稳定性、精度和收敛速度等方面均优于极大似然估计方法,推广了现有的误差理论。     

基于信息扩散的极大似然估计

提出了扩散极大似然估计方法，利用实际观测值的概率密度函数的信息扩散估计，代替了对观测值分布的主观假设，从而具有很强的自适应性。最后设计了两个算例，说明了扩散极大似然估计的过程，并考察了扩散极大似然估计的特性。     

方差的边缘极大似然估计

测量平差问题中,方差估计理论是复杂的。本文基于概括模型,组成自由项f(极大似然估计 MLE)的密度函数和改正数向量 V的线性函数(边缘极大似然估计 MMLE)的密度函数,详细推导了函数模型与随机模型中,未知参数 X与σ_0~2 的似然估计公式,分析了基于两种密度函数所得σ_0~2的似然估计存在差异的真正原因,并对两种方法所得的σ_0~2和X 的统计性质进行了讨论。指出边缘极大似然估计,σ_0~2 的具有良好的统计性质,可改善极大似然估计σ_0~2 的不定性(有偏);并且对任一平差模型的边缘极大似然估计,σ_0~2 无偏、有效的统计性质是一致的。