GIS中空间数据不确定性的混合熵模型研究

基于信息理论和模糊集合理论，针对GIS中部分空间数据既具有随机性又具有模糊性的特点，建立了空间数据不确定性的混合熵模型。以GIS中线元不确定性为例，讨论了线元不确定性的统计熵、模糊熵和混合熵估计方法，并针对特例给出了线元不确定性的熵带分布。     

NOAA／AVHRR影像特征匹配

为实现全球环境实时、动态监测的需要，选用Ｆｏｒｓｔｎｅｒ特征匹配理论对ＮＯＡＡ／ＡＶＨＲＲ影像进行匹配试验。Ｆｏｒｓｔｎｅｒ特征提取之前，先根据熵的理论对影像进行预处理，特征提取工作量可减少到１０％－２０％，特征提取后的共轭影像，似性尺度可建立一个可能的同中点匹配点表，再根据一致性尺度，采用Ｒｏｂｕｓｔ稳健估计剔除错匹配的点对，即可建立两幅影像的最终匹配点对。匹配结果表明，通过阈值的设置，可以在Ａ     

误差熵的估计问题研究

指出了具有复杂分布的随机量的总体熵的估计问题,首次给出了估计熵的最小截断误差限.推导了样本熵的近似估计公式,引入最优窗宽、全局最优窗宽的算法,首次解决了样本熵的估计值不惟一的问题.     

自适应最优邻域尺寸选择的点云法向量估计方法

为了削弱邻域尺寸选择对基于主成分分析(PCA)的点云法向量估计精度的影响,自适应处理尖锐特征点云,该文提出了自适应邻域的PCA点云法向量估计方法,利用点云局部邻域协方差矩阵,构建了局部邻域维度特征信息熵函数,根据熵函数最小准则,实现了点云自适应最优邻域的估计,在此基础上进行PCA法向量估计。分别对模拟点云和实测点云进行了法向量估计实验。实验结果表明,该文方法能够显著提高包含尖锐特征的点云法向量估计精度。     

P-范分布熵的近似估计

P-范分布复杂的概率密度函数表达式不利于熵的计算和实际应用,提出利用简单分布的熵组合近似估计P-范分布的熵,可简化计算过程。数值演算对比表明,P-范分布熵的近似估计误差均不超过0.09,尤其当1≤p≤2时,最大误差仅为0.008 8,可实证近似计算的有效性。     

Gauss-Markov模型参数的部分根方估计

在分析根方估计，Stein均压缩估计，Sclove部分压缩估计各自特点的基础上，提出了一种新的有偏估计－部分根方估计，并讨论了它的优良性质。计算结果表明，在设计阵呈病态时，部分根方估计确能改善LS估计。     

岭-主成分组合估计及其在测量平差中的应用

在分析岭估计缺陷的基础上，运用主成分估计方法，提出了测量平差Gauss-Markov模型参数的一个新的有偏估计，称为岭-主成分组合估计，在均方误差意义下讨论了岭-主成分组合估计的质及其岭-主成分组合估计与岭估计、主成分估计的比较问题，讨论了岭-主成分组合估计中偏参数的选取问题，得到了许多重要结论。理论分析和计算结果都表明，岭-主成分组合估计是一类很有潜力的有偏估计。     

有偏估计与LS估计的比较与选择

从假设检验的角度研究测量平差Gauss-Markov模型中有偏估计与LS估计的选择问题。首先在均方误差准则下对目前应用最广泛的2种有偏估计－－岭估计和主成分估计与LS估计进行了比较研究，得到了岭估计、主成分估计优于LS估计的条件；然后运用统计方法对这些条件的成立进行了假设检验；最后通过数值实验说明，在一定显著性水平下当原假设被接受时，说明没有理由不相信采用有偏估计来代替LS估计的合理性，可认为采用有偏估计将对LS估计做出比较有效的改进，当原假设被拒绝时，说明对采用有偏估计的优越性产生了怀疑，此时建议仍采用LS估计。     

GNSS/INS紧组合最大熵卡尔曼滤波算法

针对实际环境中量测噪声易被野值污染而呈现非高斯分布,进而导致传统卡尔曼滤波(KF)算法性能降低的问题,提出了最大熵卡尔曼滤波(MCKF)算法. 该算法基于最大熵准则(MCC)和M估计的思想推导得到. 与KF相比,所提算法能够给异常量测值分配较小的权重以减轻其对于状态估计的影响,与基于Huber函数的卡尔曼滤波(HKF)算法相比,其能够更有效地利用量测信息,因此所提算法相比于KF和HKF而言更加鲁棒. 在全球卫星导航系统(GNSS)与惯性导航系统(INS)的紧组合模式下进行车载实测实验,由于GNSS的伪距与伪距率等原始量测信息质量不佳,因此KF和HKF的性能均受到影响,而所提MCKF算法能够有效地抑制异常量测值的影响,能够更快地收敛且得到更高的估计精度.      

特征根估计

介绍的特征根估计是主成分估计的推广，其特点是把因变量和自变量放在一起来考虑它闪的特征根和特征向量，而主成分估计只限于自变量。因此，这个新提出的有偏估计引起广泛的兴趣，言语中在阐述其理论的基础上，结合实例说明这种有偏估计和主成分估计一样可以改进最小二乘估计。