病态加权总体最小二乘的广义岭估计解法

针对加权情形下的变量误差(EIV)模型,采用广义岭估计法处理总体最小二乘平差的病态性问题.结合最优化准则和协方差传播率推导了未知参数的改正数求解公式;根据参数估计值的均方误差最小化原理,通过求偏导数列出广义岭估计中岭参数的迭代解式,并讨论了广义岭参数的含义和作用,给出了确定岭参数的L-曲线法.通过算例比较分析了加权最小...     

火山形变Mogi模型反演的病态总体最小二乘解算方法

相对最小二乘方法,总体最小二乘顾及了观测方程系数矩阵含有误差的情况,然而,当系统出现病态时,总体最小二乘受病态的影响将更加明显。因此,针对病态总体最小二乘问题解算方法的研究越来越多受到关注。文中基于总体最小二乘进行火山形变Mogi模型反演,针对反演过程中出现的病态性问题,采用虚拟观测解法、谱修正迭代解法、共轭梯度解法,通过模拟算例验证文中方法在抑制病态性方面的有效性。与一般总体最小二乘、正则化总体最小二乘等方法相比存在优势。     

线性模型的泛最小二乘法

本文首先针对线性模型提出了泛最小二乘法,在设计矩阵不加限制的情形下,得到了参数的泛最小二乘估计量。该方法既发扬了最小二乘法的优点,又克服了它的一些不足,它包含了常见的岭估计和最小二乘估计法;其次讨论了泛最小二乘法的理论依据;接着研究了泛最小二乘估计量的一些统计性质,并与最小二乘估计进行比较,在一定意义上前者优于后者;然后讨论了平衡参数的选取问题;最后,给出一个应用,说明了泛最小二乘法的有效性和可行性。     

病态总体最小二乘问题的广义正则化

总体最小二乘(TLS)算法可以视为一个降正则化的过程,对比最小二乘算法,病态总体最小二乘方法的解受系数阵数据误差和观测值误差的影响将更为严重。本文探讨用广义正则化的方法降低病态性对总体最小二乘数值求解的影响,以提高求解结果的稳定性。通过多组算例结果表明,本文采用的广义正则化方法在处理病态总体最小二乘问题上具有明显的优势。     

Least squares adjustment and collocation

Summary For the estimation of parameters in linear models best linear unbiased estimates are derived in case the parameters are random variables. If their expected values are unknown, the well known formulas of least squares adjustment are obtained. If the expected values of the parameters are known, least squares collocation, prediction and filtering are derived. Hence in case of the determination of parameters, a least squares adjustment must precede a collocation because otherwise the collocation gives biased estimates. Since the collocation can be shown to be equivalent to a special case of the least squares adjustment, the variance of unit weight can be estimated for the collocation also. This estimate gives the scale factor for the covariance matrices being used in the collocation. In addition, the methods of testing hypotheses and establishing confidence intervals for the parameters of the least squares adjustment may be applied to the collocation.     

顾及系数矩阵常数列的总体最小二乘迭代解法

介绍总体最小二乘的奇异值分解法(SVD)和混合总体最小二乘法(LS-TLS),基于间接平差原理推导一种总体最小二乘迭代解法,可以用来解决系数矩阵含常数列的总体最小二乘平差问题。最后分别对系数矩阵不含常数列和系数矩阵含常数列的算例进行验证,得到的结果与采用奇异值分解法和混合总体最小二乘法计算的结果相同,表明算法的有效性。     

利用整体最小二乘法建立线性回归模型

对于在实际应用中的直线回归问题,存在着因自变量和因变量选取不同拟合结果存在差异的情况,文中采用了一种线性拟合参数估计的新方法,即整体最小二乘法。文章在描述普通最小二乘和整体最小二乘原理的基础上,并对比其异同,并采用奇异值分解的方法来求解整体最小二乘问题。算例结果表明,采用整体最小二乘方法估计线性回归参数的精度明显高于常规最小二乘法,是一种值得借鉴的算法。     

融合正交几何信息的非线性等式约束整体最小二乘平差及迭代算法

正交距离最小二乘和加权整体最小二乘是解自变量含误差拟合问题的两种独立准则。加权整体最小二乘与正交距离最小二乘不同,它不考虑测量点与拟合点之间的连线垂直于拟合对象的几何信息,不能确保测量点到拟合对象的距离的平方和为极小值。针对该问题,本文将正交几何信息作为约束条件融入加权整体最小二乘,提出一种约束方程带有误差改正数的非线性等式约束整体最小二乘平差法。首先,把加权整体最小二乘平差的函数式看作是非线性方程,连同正交几何约束方程一并线性化,得到线性的平差函数方程;然后,采用拉格朗日乘数法推导其参数估计及精度评定公式,并给出迭代计算算法;最后,以平面直线拟合为例,对本文方法和计算算法进行验证。试验结果表明:①本文方法和算法具有可行性;②与加权最小二乘和加权整体最小二乘相比,本文方法计算的测量点到拟合直线的垂直距离平方和最小;③本文方法计算的测量点到拟合直线的距离与测量点到拟合点的距离相等。     

STATISTICAL CONCEPTS AND THEIR APPLICATION IN PHOTOGRAMMETRY AND SURVEYING

This paper was prepared as supporting documentation for a tutorial given by the authors under Photogrammetric Society auspices. The authors do not make any claims of novelty or innovation but they feel that the information contained in the paper will provide useful study material, especially for practitioners of photogrammetry and surveying. The following topics are covered: functional and stochastic models; the least squares process; statistical testing; optimal design methods; and numerical examples in the design of a horizontal control network and of a close range photogrammetric survey.     

基于总体最小二乘的直线拟合方法探究

在直线拟合问题中,经典的最小二乘拟合方法在自变量选取不同时,拟合的参数值和中误差存在较大差别,故本文利用模拟数据对经典最小二乘和总体最小二乘拟合结果进行对比分析,得出结论认为:经典最小二乘自变量选取不同结算参数的原因是在进行拟合计算时忽略了自变量的误差,使拟合结果只能在一个方向上保持最佳;利用总体最小二乘参数拟合的方法进行直线拟合时拟合结果不受自变量变化的影响,并能够提高拟合精度。     

最小二乘混合像元分解的端元丰度信息提取研究

针对无约束最小二乘混合像元分解算法提取地物端元丰度出现的局限性问题,通过野外实地采集的地物光谱数据建立研究区典型的地物波谱库,以Landsat OLI影像作为主要数据源,在经过Gram-Schmidt(GS)影像融合的基础上,利用纯净像元指数(PPI)及基于几何顶点的端元提取技术提取研究区典型地物端元,最后通过完全约束的最小二乘混合像元分解算法完成对研究区典型地物端元丰度的提取。结果较好地解决了无约束最小二乘混合像元分解算法提取的端元丰度信息出现负值的情况,并且提高了典型地物丰度信息提取的精度。完全约束最小二乘混合像元分解算法的RMSE误差均控制在0.174 913左右,在很大程度上提高了混合像元分解精度及实用性。     

稳健加权总体最小二乘方法

加权总体最小二乘没有考虑观测数据中可能存在的粗差,本文基于IGG权函数,采用选权迭代法求解加权总体最小二乘。结合模拟数据和真实数据,系统地比较了加权总体最小二乘方法、基于Huber权函数的稳健加权总体最小二乘方法和基于IGG权函数的稳健加权总体最小二乘方法的系数估计和误差估计,通过对比分析表明,两种稳健加权总体最小二乘方法的参数估计结果比加权总体最小二乘方法更加可靠,且以基于IGG权函数的稳健加权总体最小二乘方法为最优。     

高精度局部区域GPS水准计算方法的探讨

针对现有各种 GPS水准存在的缺陷 ,我们运用现代计算数学的最新研究成果 ,提出了一种新的 GPS水准 B样条最小二乘拟合法。通过对我国西南某地区的 GPS测量成果进行处理的具体结果可以看出 ,该方法是一种更适用于高精度 GPS水准的拟合方法     

补偿最小二乘估计在重力测量中的应用

在测量数据处理中,系统误差总是作为有害成分设法予以消除或补偿,但随着测绘科技的进一步发展,也有一些研究者将系统误差或非参数信号看作非随机变量,利用补偿最小二乘等方法,提取系统误差,从而对它有更多地了解,以满足高精度测量的需要。而本文在系统误差为随机变量的情况下,利用补偿最小二乘法研究半参数模型。得到了参数及非参数的估计;接着,讨论了估计量的若干统计特性;最后,用补偿最小二乘法研究重力测量中的重力异常问题,得到了重力异常的估计值,相同于用最小二乘配置法所得的结果,从而说明本文方法的有效性。     

半参数估计的自然样条函数法

用补偿最小二乘原理，得到了参数和非参数分量的惟一解，并通过模拟计算，对半参数回归模型和参数模型的计算结果进行了比较。结果表明，半参数回归方法能较好地将观测值中具有连续光滑特性的系统误差分离出来。     

最小二乘法在土地复垦场平整中的应用

在满足土地复垦用途要求的前提下,设计场地平整参数,提高平整土方量计算精度。研究方法:采用最小二乘法。研究结果:用最小二乘法设计场地平整参数的法方程、土方量计算公式及其精度分析公式。研究结论:用最小二乘法进行场地平整参数设计及土方量计算,适用范围广,计算精度高,而且易于计算机实现。     

自适应抗差最小二乘估计

抗差估计与最小二乘估计在相应条件下各具优点。特定的抗差估计极值函数只在特定的污染分布条件下显示其抗差性和优效性。本文研究最小二乘估计，抗差估计以及抗差估计类之间的自适应估计问题。重点讨论了适于测量平差计算的误差分布检验量以及自适应抗差极值函数和权函数的构造与选择，最后人出了自适应抗差最小二科解算积式。     

基于Moore-Penrose广义逆及立体矩阵的可分离非线性最小二乘解算方法

针对测绘领域中函数模型为非线性函数的线性组合的特殊结构,本文提出了基于Moore-Penrose广义逆和立体矩阵的可分离非线性最小二乘解算方法。该方法首先利用变量投影算法消除可分离非线性模型中的线性参数,将包含两类参数的原非线性优化问题转化为仅含有非线性参数的最小二乘问题。然后,基于Moore-Penrose广义逆矩阵的微分和立体矩阵理论计算最小二乘目标函数的一阶导数,进而采用非线性优化的LM方法求解非线性参数的最优估值。最后,根据最小二乘方法求解线性参数的最优估值。通过指数函数模型拟合和机载LiDAR全波形参数求解试验与传统参数不分离优化方法进行对比,结果表明,基于Moore-Penrose广义逆和立体矩阵的可分离非线性最小二乘解算方法对待求参数初值依赖性低,同时避免了迭代过程中线性参数导致的病态问题,算法稳定性好,为测绘领域中可分离非线性最小二乘问题的解算提供了一种思路,也拓展了可分离非线性最小二乘方法的应用。     

多元总体最小二乘问题的牛顿解法

为提高多元总体最小二乘问题参数估值的解算效率,推导了基于牛顿法的多元加权总体最小二乘算法;分析比较了基于牛顿法的多元加权总体最小二乘解和基于拉格朗日乘数法多元加权总体最小二乘解之间的关系,根据协因数传播律给出了多元总体最小二乘平差的16种协因数阵的近似计算公式。新算法能够解决观测矩阵和系数矩阵元素具有相关性的问题,并且可以把观测矩阵和系数矩阵的随机元素和常数元素纳入到一个协因数阵中进行处理。算例结果表明,本文提出的多元总体最小二乘问题的牛顿解法可行且收敛速度更快。     

最小二乘配置模型的参数估计

利用罚最小二乘原理构造加权惩罚平方和,导出了最小二乘配置模型中正规化矩阵正定时参数平差的计算方法,用直接法得到了参数和信号的估计量,给出了相应的公式.通过选取合适的平滑因子,能使残差的分布更接近其真实分布,提出了回归系数的检验方法,用实例说明了其有效性.