正规化矩阵正定时半参数估计量的统计性质

利用补偿最小二乘原理构造加权惩罚平方和,得到半参数模型中正规化矩阵正定时参数和半参数的估计量.从偶然误差的统计特征出发,详细讨论这种平差方法得到的参数估值的一些统计性质,并对半参数平差与最小二乘法的参数估计值进行比较.理论分析表明,通过选取合适的平滑参数,半参数平差方法优于最小二乘法.另外从数理统计的角度对平滑参数的选取进行分析,得到平滑参数的取值范围,也给出了平滑参数对模型精度的影响.     

半参数平差模型参数的两步估计

考虑半参数平差模型L=Bx+S+Δ,xεRd,S为未知回归参数,为未知Borel函数。本文首先利用自然样条函数法,找到符合条件的非参数自然样条插值函数。其次利用偏残差法并综合最小二乘法,导出了参数和非参数的解算公式,讨论了窗宽参数的选取方法。在本文的最后,将这种估计方法应用到重力场的计算中,说明了利用半参数平差模型估计参数的有效性。     

附加系统参数的半参数回归模型研究与比较

引入半参数的思想对附加系统参数的混合模型进行新解,推导出了模型正则化矩阵时参数平差的计算方法,求出了参数、非参数的估计量,模型的精度评定公式;通过模拟算例证明了半参数估计法的有效性;并对附加系统参数的半参数模型做了进一步的扩展。     

基于广义点摄影测量的建筑物三维建模

本文利用影像上提取的直线信息建立建筑物的初始模型,根据已知的影像内外方位元素将初始模型投影到影像上,结合最邻近直线广义点平差迭代计算建筑物的位置参数与形状参数,实现建筑物的半自动三维重建。这种方法能够减少运算量,提高建模效率与建模精度。然后基于建筑物模型内部约束,给出了详细的带约束条件的建筑物广义点摄影测量平差模型,最后试验验证了其有效性。     

随机删失下半参数模型的补偿估计方法

考虑半参数测量模型L=Bx+S+Δ,x∈Rd为未知回归参数,S为未知Borel函数。本文首先利用自然样条函数法,找到符合条件的非参数自然插值样条函数。其次利用补偿法并综合最小二乘法,导出了这种平差方法的解算公式。在本文的最后,将这种方法与最小二乘平差方法进行了比较分析,结果说明,半参数测量模型能更接近于真实情况。     

测量平差函数模型的若干讨论

讨论了测量平差函数模型的几种形式———参数模型、非参数模型及半参数模型 ,分别论述了各种模型的优缺点及其适用范围。半参数模型对于客观实际具有极强的解释能力 ,应给予充分的重视和深入的研究。     

半参数平差模型估计量的精度评定

将半参数估计理论引入测量数据处理理论中,利用Blight和Ott提出的思想,用多项式函数来表示半参数平差模型中的非参数分量,从而得到了半参数平差模型中参数分量和非参数分量的Bayes估计量,通过理论证明,半参数模型参数分量的Bayes估计为通常意义下高斯马尔可夫模型参数估计值与参数期望的加权平均,是一致、渐近无偏和渐近有效估计量,并且其方差小于参数模型中参数估计量的方差。在一定情况下推广了平差理论,具有一定的理论价值。     

数字化曲线的附有参数的条件平差

本文针对数字化地图的特点,提出一圆曲线拟合方程,采用附有参数的条件平差法来估计拟合曲线的参数,给出了一套严密的计算方法,通过计算实例验证了该方法的有效性和可行性,并对参数进行了精度评定.     

改进了系统差附加条件的半参数回归与模型精化

系统差之和∑si≠0时,利用附加系统差之和∑si＝0的半参数模型往往得不到较好的数据处理结果,文中从理论上对系统差附加条件进行了改进,并基于改进前、改进后的半参数模型以及经典最小二乘平差模型对系统差之和∑si≠0时的算例进行处理.结果表明,改进后的半参数模型大大提高了数据处理精度.     

一种天绘一号卫星影像精确定位方法

针对如何最大程度地减小天绘一号卫星RPC模型系统误差,真实反映像方坐标与物方坐标关系的问题,该文介绍了天绘一号卫星的基本情况及相应的RPC参数模型,给出了求解RPC参数的基本方法和流程。结合天绘一号卫星采用等效框幅式光束法平差进行无控定位的特点,利用平差后计算得到的加密点坐标,提出了一种基于像点仿射变换的RPC模型区域网平差方法,并进行了RPC参数修正。经天绘一号卫星精度检测实验表明,修正后的RPC参数能有效地弥补系统性误差,具有更高的定位精度。     

Semiparametric Regreswsion and Model Refining

This paper presents a semiparametric adjustment method suitable for general cases.Assuming that the regularizer matrix is positive definite,the calculation method is discussed and the corresponding formulae are presented.Finally,a simulated adjustment problem is constructed to explain the method given in this paper,The results from the semiparametric model and G-M model are compared.The results demonstrate that the model errors or the systematic errors of the observations can be detected correctly with the semiparametric estimate method.     

Semiparametric regression and model refining

This paper presents a semiparametric adjustment method suitable for general cases. Assuming that the regularizer matrix is positive definite, the calculation method is discussed and the corresponding formulae are presented. Finally, a simulated adjustment problem is constructed to explain the method given in this paper. The results from the semiparametric model and G-M model are compared. The results demonstrate that the model errors or the systematic errors of the observations can be detected correctly with the semiparametric estimate method.     

三原则整体最小二乘用于平面自由网平差计算

文中在平面网平差中应用整体最小二乘理念.在最小二乘模型中,为了消除观测方程系数误差和未知参数系统误差,加入系数改正数和参数改正数,并提出三原则整体最小二乘模型.研究平差两大步骤,用最小二乘多次改用"参考点组"而选出w个稳定点;用最小二乘多次改用"近似坐标"而消除系数误差和参数系统误差.三原则整体最小二乘适用于平面自由网...     

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。     

正规化矩阵正定时半参数估计量的统计性质

对于包含系统误差和粗差的观测数据,本文将混合Cook距离引入到半参数模型中,实现了粗差的定值定位。首先,构造补偿最小二乘函数,利用泰勒展式,根据均值漂移模型与删失模型的等价性,导出了观测数据中剔除第i个观测数据前后参数分量和非参数分量相应估计值之间的关系式,为粗差的定位分析奠定了基础。其次,将混合Cook距离作为诊断统计量,进行粗差定位分析,得到了参数分量和非参数分量的诊断统计量的简洁计算公式,为了提高粗差定位的准确性,给出了混合Cook距离参数 Q 和C的一些常用形式,通过合理选择相应参数,计算参数分量和非参数分量的距离函数,实现粗差的定位,并将系统误差和粗差从观测数据中区别开来。最后通过模拟算例和实测数据验证了本文方法的正确性。     

半参数测量平差模型参数的二阶段估计

本文首先利用自然样条函数法,找到符合条件的非参数自然插值样条函数。其次利用核函数并综合最小二乘法建立了参数x和S非参数的估计量x、S,讨论了窗宽参数h的选取方法。最后,用一个模拟的平差算例从估值的稳定性、均方差等方面与最小二乘法进行了比较,结果说明,半参数测量模型能更接近于真实情况。     

复数域最小二乘平差及其在POLInSAR植被高反演中的应用

传统的测量观测值都是实数,因此测量平差都是在实数空间中进行的。然而,随着科学技术的快速发展,现代测绘领域中出现了一些用复数表示的观测数据。与实数数据一样,这些复数数据同样面临着如何从带有误差的观测值中找出未知量的最佳估计值的问题。但目前涉及复数观测的数据处理时,主要还是依据观测过程,分步或直接解算,不能考虑观测误差、多余观测信息等。针对这一情况,本文介绍了复数域中数据处理的最小二乘方法,试图将测量平差从实数域推广到复数域,并定量研究了两种平差准则的优劣性。为了了解复数域最小二乘的有效性,本文以极化干涉SAR植被高反演为例,建立复数域平差函数模型和随机模型,构建复数域最小二乘法反演植被高。结果表明该算法反演的植被高结果可靠,其精度优于经典植被高反演算法,且计算简单,易于实现。     

Total least squares adjustment in partial errors-in-variables models: algorithm and statistical analysis

The weighted total least squares (TLS) method has been developed to deal with observation equations, which are functions of both unknown parameters of interest and other measured data contaminated with random errors. Such an observation model is well known as an errors-in-variables (EIV) model and almost always solved as a nonlinear equality-constrained adjustment problem. We reformulate it as a nonlinear adjustment model without constraints and further extend it to a partial EIV model, in which not all the elements of the design matrix are random. As a result, the total number of unknowns in the normal equations has been significantly reduced. We derive a set of formulae for algorithmic implementation to numerically estimate the unknown model parameters. Since little statistical results about the TLS estimator in the case of finite samples are available, we investigate the statistical consequences of nonlinearity on the nonlinear TLS estimate, including the first order approximation of accuracy, nonlinear confidence region and bias of the nonlinear TLS estimate, and use the bias-corrected residuals to estimate the variance of unit weight.