平差参数的抗差特征根估计

在有偏估计的特征根方法基础上 ,利用等价权方法 ,提出一种新的估计—抗差特征根估计。它既能有效地克服设计阵复共线性的影响 ,又可显著地抵抗粗差的干扰。从而提高了参数估值的准确性、稳定性和可靠性。     

Gauss-MarkOV模型参数的部分根方估计

在分析根方估计、Stein均匀压缩估计、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.     

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。     

关于回归系数有偏估计的两个问题

本文讨论了回归系数有偏估计的两个问题。一是对文[2]提出的回归系数的一种新的有偏估计——根方估计作了一定改进,提出了广义根方估计,从理论上证明了广义根方估计能够比根方估计达到更低的均方误差,并且给出了求根方参数的一个公式。二是在一般协方差情形下,证明了回归系数广义岭估计的弱相合性、均方相合性与条件等价。     

变二次估计为线性估计的拉直变换法

利用投影变换和拉直变换，得到了方差和协方差估计的一种新模型－线性模型。该模型将方差和协方差分量的二次估计问题变为我们所熟知的线性估计问题。本介绍了该方法的原理，证明了估计量θ的统计性质。     

变二次估计为线性估计的拉直变换法

利用投影变换和拉直变换,得到了方差和协方差估计的一种新模型——线性模型。该模型将方差和协方差分量的二次估计问题变为我们所熟知的线性估计问题。本文介绍了该方法的原理,证明了估计量θ的统计性质。     

导线网方差分量估计的综合研究

提出方差分量估计的多余观测分量平均匹配公式;总结出导线网方差分量估计定权的基本规律,并给出其权增量循环算法和特征根法以及将两个实对称矩阵同时对角化的实用方法。     

局部特征匹配的卫星影像几何偏差估计可行性分析

几何定位偏差是评估卫星影像质量的重要参数之一。本文利用特征匹配方法进行卫星影像几何偏差估计,并对该方法的可行性进行分析。首先,选取包含典型地物的局部卫星影像构建路标基准影像库;其次,采用局部点特征描述子对卫星影像与路标基准影像库进行亚像素提取与匹配,确定同名像点,然后为提升同名像点匹配精度,提出了顾及空间关系与几何一致性约束的匹配策略,继而,对卫星影像与路标基准影像库的匹配像点进行内插计算,获取同名像点的地理空间坐标;最后,通过差值计算得到卫星影像相对路标基准影像的偏移参数,完成几何偏差估计和可行性分析。本文以我国风云卫星为例,选取包含海岸线、湖泊、山脉、河流及岛屿的局部卫星影像集构建路标基准影像库,并选用SIFT、SURF、ORB 3个局部特征进行测试分析。测试结果表明,基于局部特征匹配策略对卫星影像几何偏差估计的系统误差小于0.1像素,定量地证明了局部特征匹配方法对卫星影像几何偏差估计的可行性。     

大豆残茬光谱响应特征研究

利用HR-768型便携式光谱仪,测定了不同大豆残茬覆盖度下的地面光谱,利用照相法获取对应的大豆残茬覆盖度。采用线性回归方法分析了单波段反射率、反射率一阶导数、归一化指数、比值指数与大豆残茬覆盖度的相关性,获取了不同覆盖度水平下大豆残茬的光谱响应特征,并结合MODIS、TM、HJ-1B星的波段响应函数建立了大豆残茬覆盖度最优估算模型。结果表明,在2050—2150nm和2250—2350nm两个波段范围内,大豆残茬与裸土的光谱差异最显著,可用于二者的区分;大豆残茬的光谱特征与玉米、小麦残茬的光谱特征相似,仅在920—967nm范围内存在特殊的吸收峰;以高光谱数据为数据源,941.6nm处的反射率、2151.8nm处反射率一阶导数、1461.3nm和2404.4nm反射率构建的归一化指数以及2247nm和608.6nm反射率构建的比值指数适宜用于作物残茬覆盖度估算,以宽波段数据为数据源,短波红外与红波段反射率构建的比值指数适宜用于大豆残茬覆盖度估算。     

单位权方差的岭估计和压缩估计

本文提出了求单位权方差的有偏估计方法─岭估计和压缩估计，证明了在一定条件下，岭估计和压缩估计的均方误差要小于最小二乘估计的约方误差，提出了求岭参数和压缩系数的方法。     

Lq估计的渐近方差-协方差矩阵及其特点

针对由独立同分布误差膨胀而成的独立不等精度误差,根据未知参数的M估计的Bahadur型线性表达式,本文导出了由观测量、残差向量、参数估计量和观测量平差向量组成的基本向量的Bahadur型表达式.进一步地,根据方差传播定律导出了M估计的基本向量的渐近方差-协方差矩阵,该矩阵由3个多余参数决定,第三多余参数由本文定义.对Lq范估计,分别计算了误差分别为正态分布和q范分布时的3个多余参数,以及相应的基本向量的方差协方差矩阵.对最小二乘估计,残差向量与参数估计量和观测量的平差向量统计独立,相应的协方差矩阵为零,这一性质与误差分布无关.对正态分布的Lq估计,残差向量与参数估计量和观测量平差向量的协方差不为零;而对q范分布的Lq估计,即是相应的极大似然估计,残差向量与参数估计量和观测量平差向量的协方差为零.文中所得公式和结论可用于统计分析.     

广义岭估计的直接解法

提出了广义岭估计的直接解法。该解法不需计算岭参数,可直接求得具有最小均方误差的解。并举例证实了该解法的优越性     

主成分与主成分估计

在测量数据处理中,当设计阵存在复共线时,最小二乘估计的性质将变得不好,本文应用主成分估计来改进最小二乘估计。一方面是因为主成分估计具有一些好的性质,另一方面与岭估计和广义岭估计相比,主成分估计的偏参数选取要简便得多,从而大大提高了实用价值。     

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σ₀²的似然估计公式,分析了基于两种密度函数所得σ₀²的似然估计存在差异的真正原因,并对两种方法所得的σ₀²和X的统计性质进行了讨论。指出边缘极大似然估计,σ₀²的具有良好的统计性质,可改善极大似然估计σ₀²的不定性(有偏);并且对任一平差模型的边缘极大似然估计,σ₀²无偏、有效的统计性质是一致的。     

三维网平差的方差分量估计

本文将方差分量估计理论运用于三维网平差中,推导出了含定向角未知数及消去定向角未知数的方差分量估计公式,并进行了模拟和实例计算,从而建立了合理的三维网平差随机模型。     

Latent lifestyle preferences and household location decisions

Lifestyle, indicating preferences towards a particular way of living, is a key driver of the decision of where to live. We employ latent class choice models to represent this behavior, where the latent classes are the lifestyles and the choice model is the choice of residential location. Thus, we simultaneously estimate lifestyle groups and how lifestyle impacts location decisions. Empirical results indicate three latent lifestyle segments: suburban dwellers, urban dwellers, and transit-riders. The suggested lifestyle segments have intriguing policy implications. Lifecycle characteristics are used to predict lifestyle preferences, although there remain significant aspects that cannot be explained by observable variables.

基于卡尔曼滤波的时间序列影像背景估计

文章将卡尔曼滤波理论应用于时间序列影像的背景估计,引入衰减记忆因子解决滤波的发散问题,最终实现了对背景信号的估计。