基于岭估计的有理多项式参数求解方法

在使用最小二乘法解算卫星遥感影像的RPC参数时,如果控制点非均匀分布或模型过度参数化,其法方程系数矩阵很容易产生病态,获得的解将偏离真值,甚至得到错误的解.使用岭估计可改善法方程的状态,保证解稳定.采用岭估计方法,通过所获取的不同岭参数对SPOT和QuickBird影像进行实验,证实L曲线法是一种稳定的、有效的岭参数确定方法,可显著提高RPC参数的解算精度.     

误差熵的估计问题研究

指出了具有复杂分布的随机量的总体熵的估计问题,首次给出了估计熵的最小截断误差限.推导了样本熵的近似估计公式,引入最优窗宽、全局最优窗宽的算法,首次解决了样本熵的估计值不惟一的问题.     

一种基于Helmert方差分量估计的Vondrak滤波方法

从基于Helmert方差分量估计的Vondrak滤波方法(简称HVF法)的基本假设入手,介绍了HVF方法,该方法能够在未知拟合函数的情况下,通过自动选择合理的平滑因子控制数据平滑的程度,对时序数据序列进行合理平滑,最大限度的削弱数据序列中的随机误差,将信号与噪声合理分离.     

杠杆点评估及设计空间抗差

本分析了杠杆点的几何含义和统计特征,从杠杆点的保差性,矩阵的摄动和参数估值可靠性的观点出发讨论了杠杆点的不利和有利的两个方面,提出了一个全面的设计空间抗差方案。     

基于改进PSO-SVM的噪声稳健建筑物变形监测方法

对高层、超高层建筑物进行实时,高精度的变形监测对提前预防安全隐患,保证人民生命财产安全具有重要意义。建筑物变形作为一种典型的随机性和微弱性过程,噪声等误差的存在会影响从中提取有用的变形信息。针对该问题,提出一种改进粒子群(Particle Swarm Optimization,PSO)算法优化支持向量机(Support Vector Machine,SVM)的噪声稳健建筑物变形监测方法,利用改进PSO算法的全局搜索能力对SVM的核参数进行优化,提升预测精度的同时增强算法的噪声稳健性。基于实测数据的试验结果表明,相对于传统交叉验证SVM和小波方法,所提方法可以获得更高的变形预测精度,并且在低信噪比条件下优势更加明显。     

参数的期望估计及其在形变分析中的应用

利用“参数的期望估计”能准确定位、定量粗差及参数的期望估计不受粗差影响折特殊性质,寻找地壳变形区域和不变形区域,以确定拟稳点,进而进行拟稳变换,分析地菜变,将是一种有效方法。     

一种基于梯度信息的小波SAR图像滤波方法

提出一种基于梯度的自适应小波滤波方法.这种算法利用梯度和纹理信息控制阈值的选取,使滤波器在平坦区域能够有效去除噪声、在边缘区域有效保持边缘.应用于SAR图像斑点噪声滤波,并与增强Lee,Frost滤波,Gamma MAP滤波和Kuan滤波几种算法的结果进行比较分析,表明这种算法不仅能有效去除斑点噪声还能很好地保持图像的边缘等细节信息.     

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。     

基于可分解马尔科夫网的极端椒盐噪声图像滤波

提出了一种基于可分解马尔科夫网(decomposableMarkovnetworks,DMN)的极端椒盐噪声的均值滤波方法,指出其网络节点的阈值衰减特性和网络节点的连接特性具有很好的对椒盐噪声污染图像的噪声定位的作用,并提出一种在该网络控制下,只对与噪声相关的像素进行均值计算以替代噪声像素的亚均值滤波算法,实现了图像的较强自适应滤波。实验表明,本文方法具有良好的滤波性能。     

x^2（n，δ）分布及非中心参数估计

在研究测量误差分析、模型误差统计检验、变形分析、可靠性分析和优化设计等问题中，经常需要对统计量分布的非中心参数进行估计。本文针对x^2（n，δ）分布，讨论了其分布的密度函数和数字特征，提出了一种估计非中心参数的方法，并给出了部分估计结果，可供实际应用时查取。