基于多参数正则化的空间坐标转换功能与改精度分析

三维坐标转换广泛应用于测绘内业计算中,其转换参数直接影响到转换点的精度.采用Bursa模型通过3个以上的公共点利用最小二乘法求取转换参数时,其中的系数矩阵严重病态,使求得的转换参数在公共点范围之外并不可靠.提出了基于Morozov偏差原理的Tikhonov正则化方法,考虑平移量、旋转角和尺度的多正则化参数的计算模型.模拟实验精度分析表明:多参数正则化求得的转换参数较最小二乘和单参数正则化,可以更好地提高外推精度和稳定性.     

信息扩散函数在半参数地壳形变分析中的应用

提出一种利用信息扩散函数构建正则矩阵的新方法。首先,仅保留半参数模型的参数化模型部分,利用最小二乘估计获取参数模型的最小二乘残差;然后,将此残差向量作为信号,计算信号的信息扩散函数估值;最后,将信息扩散估计值作为正则矩阵的主对角元素构建正则矩阵。与时间序列法相比,新方法淡化了对信号连续性和光滑性的要求,且信息扩散函数估值本质上是残差的概率分布,相当于事先合理地确定了信号权阵,使得参数估计具有良好的稳健性。中国大陆华北块体的半参数地壳形变分析结果表明,新方法具有明显优势。     

病态加权总体最小二乘模型的正则化抗差解法

针对EIV模型系数阵病态且系数阵和观测值精度不同的情形,基于拉格朗日乘数法导出病态加权总体最小二乘模型的正则化解法,并证明已有的等权病态总体最小二乘模型的正则化解法是其特例。在此基础上,进一步提出基于中位数法的病态加权总体最小二乘模型的正则化抗差解法,并用第一类Fredholm积分方程和病态测边网两个算例验证算法的有效性。结果表明,受系数阵病态性以及粗差的影响,最小二乘解和总体最小二乘解精度较差,严重偏离真值;正则化解法在顾及系数阵和观测值误差的同时可有效削弱模型的病态性,其精度较最小二乘解和总体最小二乘解有所提升;而正则化抗差解法在正则化解的基础上,利用等价权函数重构权阵,能有效抵御粗差的影响,其精度最高。     

半参数回归与平差模型

从数据处理几种回归模型出发，对参数、非参数、半参数回归模型进行了讨论，指出了它们的适用前提条件。论证了半参数回归模型的最小二乘核估计与附加系统参数平差、补偿最小二乘准则与最小二乘配置之间的联系与区别，阐述了半参数回归估计在测量平差中的应用前景。     

基于补偿最小二乘的平面点云拟合方法

采用补偿最小二乘进行估计解算,同时兼顾参数和非参数两类因素,极大地提高了平面点云拟合精度。通过对斜面、水平面和垂直面3种平面分别使用最小二乘方法、特征值方法以及补偿最小二乘方法进行拟合,结果显示,补偿最小二乘方法的拟合效果最优。     

病态模型平差的变分正则化方法

本文对病态模型平差问题进行研究,指出由于模型病态将引起平差结果的摄动,而根据Тихонов的变分正则化理论可构造出一种抗摄动的平差方法.文章通过理论分析和计算实验证明,只要合理的选择正则化参数α,就可使平差结果的均方误差比传统的最小二乘估计小,从而改善平差结果的精度.     

病态总体最小二乘的混合正则化算法

病态问题在大地测量数据处理中广泛存在,单一的Tikhonov正则化算法会造成求解过度平滑,而TV正则化可以更有效地抵抗噪声。本文将Tikhonov正则化和TV正则化两种方法有效结合,推导了具体求解公式并给出相应迭代算法。计算表明,本文提出的方法在处理病态总体最小二乘问题上稳定性更高。     

广义补偿最小二乘估计及其统计性质

分析了半参数模型最小二乘解的特点,特别指出矩阵BTPB病态或奇异时,补偿最小二乘将会失效。基于线形模型岭估计原理,提出了半参数广义补偿最小二乘估计法,给出了其估计公式及其统计性质,并通过算例分析得出了相应的结论。     

一种选权迭代法的半参数回归模型在滑坡预测中的应用

传统抗差估计中的选权迭代法无法探测到模型的系统误差,而基于补偿最小二乘原理的半参数模型可以较好地分离出系统误差。通过建立选权迭代法的半参数回归模型,利用时间序列法、L曲线法分别确定模型中的正则化矩阵及平滑因子,并利用选权迭代法重新定权,同时降低了观测粗差和系统误差对参数估值的影响。通过仿真算例,并以重庆奉节县大坪滑坡实测数据为例,验证了选权迭代法的半参数回归方法应用到三峡库区滑坡预测的有效性和优越性。     

正则化方法的统一

对最小二乘估计作线性变换,使得新估计是真值的最优拟合,并且包含模型参数的先验误差协方差阵。从滤波因子的角度对正则化方法进行统一,提供了常见的Tikhonov正则化方法、截断奇异值法、广义岭回归方法等的滤波因子与对应的误差协方差阵的特征值。     

等式约束病态总体最小二乘模型的正则化解及其精度评定

利用平差参数间合理的先验信息能够显著提高解的精度。在病态总体最小二乘模型的基础上,引入等式约束条件,建立等式约束病态总体最小二乘模型,构建该模型的约束正则化准则,并根据拉格朗日极值法导出参数的迭代解及方差-协方差阵,最后以数值算例和病态测边网算例验证公式的正确性。结果表明,新方法通过正则化准则能改善法矩阵的病态性,且遵从EIV准则顾及系数阵的误差,同时还考虑参数间合理的先验信息,其解的精度得到显著提升。     

病态加权总体最小二乘靶向病灶的正则化方法

病态EIV模型的病灶源于设计矩阵的部分数据列之间存在复共线性关系。针对病灶特点制定正则化策略,在克服病态性的同时尽量减小正则化过程所引起的副作用,提出靶向病灶的正则化方法。通过数值试验,与总体最小二乘方法、病态总体正则化方法等进行比较,结果表明靶向病灶的正则化方法最优。     

多源、多类、多时态非线性数据处理的整体降维解算

针对当今各国十分关注、大力倡导的“数字地球”、“数字国家”、“数字矿山”等科学工程构建中的多源，多维、多类型，多时态，多糖度并具有非线性特征的数据处理，及其函数模型中同时包含有非随机参数和随机参数，而随机参数又常常是随时间动态变化的情况，如仍采用经典的最小二乘处理方法或一般的非线性最小二乘数据处理方法，是不准确、不科学的。为此，提出了一种新的数据处理方法，即广州非线性动态最小二乘数据处理方法。针对广州非线最小二乘问题维数高的特殊结构，在已研究提出的分离迭代求解模型的基础上，提出了另一种新的整体降维解算的模型和算法，使原问题庞大的高维方程组的解算得以简化，将待求参数分离求解，大大减少了计算工作量，为多源，多维，多类型，多时态，多精度的非线性数据处理开辟了另一新途径。     

基于商函数的动态载荷识别最优正则化参数选取方法

为解决载荷识别反问题,研究选取最优正则化参数商函数方法。利用Tikhonov正则化方法的最优化问题的最小二乘解,定义以正则化参数为自变量的商函数;根据不同的正则化参数,使用二次规划理论,求解Tikhonov正则化方法的最优化问题的最优解;基于不同最优解对应商函数的不同特点,将最优正则化参数的商函数方法,与广义交叉检验(Generalized Cross-Validation,GCV)准则所得载荷识别结果进行比较。数值仿真及试验验证结果表明,商函数方法对于共振区及非共振区下载荷识别问题具有较好的合理性和适用性。     

非线性半参数模型最小二乘核估计的直接解法

基于非线性半参数模型最小二乘核估计,给出了其参数分量和非参数分量估计的构造式,导出了参数分量和非参数分量顾及二次项直接解法的计算公式。用实测数据进行计算,证明了对于非线性半参数模型最小二乘核估计,可采用顾及二次项的直接解法。     

多维观测的矩阵参数建模与加权最小二乘估计

针对常规向量参数法多维观测建模与平差效率低的问题,分析指出多维观测矩阵参数建模条件应满足不同观测维度的参数独立且个数相等特点（简称独立同构特征）,进而利用该建模条件、Kronecker积运算性质和加权最小二乘原理提出矩阵参数建模与加权最小二乘估计方法。该方法顾及不同观测维互相关性,增大系数阵稠密度,降低法矩阵阶数,从而有效提高了建模与平差计算效率。空间直线和GPS站坐标时序模型计算结果均表明,向量参数法和矩阵参数法平差结果相同,但后者具有更高的存储与计算效率。     

不适定方程正则化算法的谱分解式

从观测方程系数矩阵的谱分解着手探讨不适宜方程的正则化算法。利用谱分解式阐明了正则化的主要作用是平滑对参数估值比较敏感的观测误差的高频分量，完整给出了最小二乘平差、秩亏平差和病态方程正则化解的谱分解公式，证明了正则化解参数估值偏离真值的二次范数的期望值与均方误差是等价的。     

线性向量半参数模型与标量半参数模型最小二乘估计的比较

研究了最小二乘准则下线性向量半参数模型的核估计、近邻估计及样条估计3种估计方法,分析了向量半参数模型与标量半参数模型在这几种估计方法中的差异。     

加权总体最小二乘和RBF神经网络的三维坐标转换

分析部分变量误差加权总体最小二乘法（PWTLS）、加权总体最小二乘法（WTLS）和最小二乘法（LS）在三维坐标转换模型参数求解中的应用与影响,提出PWTLS与RBF神经网络组合的坐标转换方法。结果表明,当三维坐标转换模型系数矩阵中同时存在常数元素和重复元素时,PWTLS方法计算的单位权中误差和内符合精度均优于LS方法,且源坐标改正数较WTLS方法更加合理。PWTLS+RBF组合方法能够使PWTLS的求解参数得到有效使用,提高坐标转换精度。     

采用误差迭代补偿的高精度相位解缠方法

最小二乘相位解缠算法是一种全局算法,快速稳定简单易实现,但该算法未绕过相位不连续区易造成误差的全局扩散,导致结果存在较大误差.针对最小二乘相位解缠算法的缺陷,提出一种高精度相位解缠方法.该方法在基于快速傅里叶变换的最小二乘解缠算法基础上,采用误差迭代补偿技术,补偿解缠误差.仿真和实测相位数据的实验结果表明,该方法可有效提高解缠精度,且在仿真实验的定量分析中得出,在强相位噪声条件下,该方法的解缠精度比最小二乘算法提高一个数量级.