共查询到16条相似文献,搜索用时 140 毫秒
1.
正态-Gamma先验下粗差探测的Bayes方法 总被引:1,自引:0,他引:1
本文主要运用Bayes统计推断的基本原理,提出和建立将观测信息与正态——Gamma先验信息融合、基于综合信息判断粗差的Bayes方法。首先,根据Bayes统计推断的基本原理,建立了判断粗差的Bayes方法——后验概率法,然后针对测量平差实际,考虑未知参数的正态-Gamma先验信息,分别给出了非等权独立观测条件下基于均值漂移模型和方差膨胀模型的后验概率的具体计算公式,并给出了相应的粗差的Bayes估算方法。最后提出了基于后验概率进行粗差探测的实施过程和具体步骤。数值试验的结果表明,本文提出的粗差探测的Bayes方法对多个粗差的同时定位和定值是相当有效的。 相似文献
2.
基于方差膨胀模型提出并建立了用观测信息的同时利用先验信息判断粗差的Bayes方法。首先,根据Bayes统计推断的基本原理,建立了判断粗差的Bayes方法——后验概率法;然后针对测量平差实际,考虑未知参数的两种先验信息分别给出了非等权独立观测条件下基于该模型的后验概率的计算公式;最后对模拟算例进行了计算和分析。试验结果表明,用给出的探测粗差的Bayes方法是切实可行的。 相似文献
3.
基于方差膨胀模型的粗差探测Bayes方法 总被引:1,自引:0,他引:1
基于方差膨胀模型提出并建立了用观测信息的同时利用先验信息判断粗差的Bayes方法.首先,根据Bayes统计推断的基本原理,建立了判断粗差的Bayes方法——后验概率法;然后针对测量平差实际,考虑未知参数的两种先验信息分别给出了非等权独立观测条件下基于该模型的后验概率的计算公式;最后对模拟算例进行了计算和分析.试验结果表明,用给出的探测粗差的Bayes方法是切实可行的. 相似文献
4.
基于识别变量的粗差探测Bayes方法 总被引:4,自引:0,他引:4
从一个新的角度出发,对应每个观测值引入一个识别变量,基于识别变量的后验概率提出一种新的粗差定位的Bayes方法,并构造相应的均值漂移模型给出粗差估算的Bayes方法.由于识别变量的后验分布往往是复杂的、非标准形式的,为此设计一种MCMC(Markov Chain Monte Carlo)抽样方法以计算识别变量的后验概率值.最后对一边角网进行了计算和分析.试验表明,本文给出的探测粗差的Bayes方法不仅充分利用了先验信息,而且克服了以往粗差定位方法的模糊性以及探测标准选择的问题,同时计算简便. 相似文献
5.
6.
基于观测误差后验分布的粗差探测的Bayes方法 总被引:3,自引:0,他引:3
从观测误差出发,运用3σ-原理提出了一种粗差探测的Bayes方法--基于观测误差的后验概率法.针对非等权独立观测情形,在一定先验分布下推导了观测误差的后验分布;建立了与观测误差有关的后验概率的计算公式;给出了粗差估算的Bayes方法;提出了基于观测误差的后验概率进行粗差探测的实施过程.最后结合算例说明了其效果,并且与其他粗差探测方法进行了比较.大量试验表明,给出的探测粗差的Bayes方法是切实可行的.它不仅有效地发现了粗差,而且结果比较理想. 相似文献
7.
通过分析隐差现象产生的原因,将基于观测误差的后验概率法与基于Kullback-Leiber距离的影响分析相结合,并利用逐个搜索法的思想,给出了一种粗差探测的抗隐差型Bayes方法。实验结果表明,采用该方法进行粗差探测切实可行,不但有效地发现了被掩盖的粗差,而且运算简单,效率较高。 相似文献
8.
粗差验后方差的无偏估计与最优稳健估计 总被引:6,自引:0,他引:6
在正态粗差假设下导出了粗差验后方差的无偏估计,对误差工膨胀模型和误差均值移动模型,两者的无偏估计公式是相同的。这证明了李德仁验后方差的朱建军方差不是无偏的。由于偏方定义的彭方法是正态粗差假设下的最优稳健估计。 相似文献
9.
彭军还 《测绘科学技术学报》2000,17(2):82-85
在正态粗差假设下导出了粗差验后方差的无偏估计,对误差方差膨胀模型和误差均值移动模型,两者的无偏估计公式是相同的.这证明了李德仁验后方差和朱建军方差不是无偏的.由无偏方差定义的彭方法是正态粗差假设下的最优稳健估计. 相似文献
10.
在动态环境下导航定位受到很多因素影响,且异常噪声会严重影响导航滤波结果。通过研究Bayes滤波的抗差方法,在导航观测方程中采用高斯混合模型,对混合模型不确定度参数采用层次模型实时估计。借助指示变量进行模型变换,削弱导航过程中异常噪声的影响。并采用Rao-Blcakwellized粒子采样方法,求取复杂、非标准形式的状态后验分布。最后通过卫星导航以及组合导航实验算例,分析验证了基于高斯混合模型的Bayes滤波在动态导航定位中的抗差性能。 相似文献
11.
Existing methods for gross error detection, based on the mean shift model or the variance inflation model, have hardly considered
or taken advantage of the potential prior information on the unknown parameters. This paper puts forward a Bayesian approach
for gross error detection when prior information on the unknown parameters is available. Firstly, based on the basic principle
of Bayesian statistical inference, the Bayesian method—posterior probability method—for the detection of gross errors is established.
Secondly, considering either non-informative priors or normal-gamma priors on the unknown parameters, the computational formula
of the posterior probability is given for both the mean shift model and the variance inflation model, respectively, under
the condition of unequal weight and independent observations. Finally, as an example, a triangulation network is computed
and analyzed, which shows that the method given here is feasible. 相似文献
12.
时间序列异常值探测的Bayes方法及其在电离层VTEC数据处理中的应用 总被引:2,自引:0,他引:2
基于Bayes统计推断理论,提出了自回归模型中异常值定位的Bayes方法;在正态-Gamma先验分布下,分别基于均值漂移模型和方差膨胀模型,提出了后验概率的计算方法,并运用Bayes方法估计了异常扰动;最后将该方法应用到电离层VTEC数据处理的建模中,比较模型修正前后预报的结果,验证了新方法的有效性。 相似文献
13.
A Bayesian unmasking method for locating multiple gross errors based on posterior probabilities of classification variables 总被引:3,自引:0,他引:3
This paper puts forward a Bayesian method for multiple gross errors location and estimation, and studies the masking and swamping
problem in multiple gross errors detection from a new point of view, further proposes the corresponding feasible solution.
First, the Bayesian method for gross error location is established based on the posterior probabilities of classification
variables, each of which is used to determine whether each observation contains gross error or not. When some interactions
exist among observations with multiple gross errors, the above-mentioned method may lead to the failure of detection due to
masking and swamping. For that, on the basis of analyzing the character of masking and swamping, starting from the eigen structure
of the sample correlation coefficient matrix of the classification vector, we give the Bayesian unmasking method to locate
multiple gross errors, and design the corresponding algorithm, namely the adaptive Gibbs sampling algorithm. Finally, applying
the mean shift model, we raise a Bayesian approach to estimate gross errors. Significant applications of the approach show
the promising results on overcoming masking and swamping. 相似文献
14.
15.