基于最小二乘配置的三维空间坐标转换

在求解未知转换参数时,鉴于公共点坐标本身的误差,提出利用最小二乘配置法进行空间坐标转换,即将公共点本身坐标作为随机参数,把转换参数作为非随机参数进行处理,最后通过实验对比分析表明,该方法明显优于一般坐标转换方法。     

区域似大地水准面确定的最小二乘支持向量机方法

支持向量机(SVM)是近年来发展起来的机器学习的新方法,它较好地解决小样本、非线性、高维数、局部极小点等实际问题.文中研究支持向量机的拓展算法--最小二乘支持向量机(LSSVM),并将其应用于确定大面积复杂似大地水准面.通过工程实例并与神经网络模型和二次曲面多项式拟合模型相比较,验证确定区域似大地水准面的LSSVM方法的有效性.     

三、P22 大地测量学

CH20082017由GPS测量得到的喜马拉雅的现今构造变形=The Current Tectonic Deformation of Himalaya Range Obtained from GPS Measurement/张静华,李延兴,张俊青,张中伏(中国地震局第一监测中心)//测绘学报.- 2008,37(2).-135～141根据新的GPS观测结果建立西喜马拉雅(WH)、中喜马拉雅(CH)和东喜马拉雅(EH)块体的弹性运动模型。将块体运动分解为整体旋转与内部变形.WH向北运动,平均速率31.5mm/a;CHNNE向运动,平均速率31.1 mm/a;EHNE向运动,平均速率27.0mm/a。喜马拉雅山在总体上呈现S-N向缩短与NWW-SEE向伸展.山脉中部S-N向的缩短速率最大平均14.6mm/a,大约吸收了印度与欧亚板块汇聚速率的35.7%。山脉存在明显的NWW-SEE向伸展变形,西部与东北部之间E-W方向的伸展速率为11.0mm/a。山脉中段南边界的主压应变率     

模拟退火算法在控制网平差中的应用

线性最小二乘估计在对非线性函数进行线性近似的过程中会产生模型误差,而一些非线性参数估计方法可能因为函数复杂而难以求导,法方程系数矩阵秩亏或呈病态矩阵时难以求解,非线性迭代解法有时对初始值的选择存在依赖性,不恰当的初始值会导致迭代无法收敛。针对这些问题,引入了模拟退火算法,介绍了该算法的基本原理、计算步骤和收敛性,并以3个控制网平差应用为例,说明该算法具有无需求导求逆,简洁实用,易于编程等优势,并能实现全局优化,获得高精度的平差结果。     

基于圆增长特征的点状要素群选取算法

控制点、独立地物等在地图上呈点群状表达,如何高效、合理地实现此类要素的自动综合是地图多尺度表达的重要问题。文中在前人研究的基础上,提出一种基于圆增长特征的点状要素群结构化选取算法,实现点状要素群的自动选取。其基本原理是：根据一个点与其周围点重要性程度的比较来确定该点删除与否,从而确保其拓扑关系和几何信息的正确性。实验证明：该算法实用、有效。     

二战后日本国土规划演变刍议

文章对二战后日本国土规划从"综合开发规划"到"国土形成规划"的演变历程进行了简单回顾,并在此基础上将日本国土规划演变特点总结为这样4点:规划目标从"国土开发"转向"国土管理"、国土结构从促进极轴形成到广域自立性发展、规划主体从国家主导到国家和地方多元参与,以及规划体系适应经济社会发展形势变化而调整。     

端元光谱自动提取的总体最小二乘迭代分解

根据总体最小二乘(total least squares, TLS)模型理论,提出了一种影像端元光谱可受噪声污染的混合光谱线性扩展模型,并实现了该模型的端元光谱自动迭代提取以及混合像元的限定性分解.实验结果表明,扩展的混合像元分解模型明显优于传统的最小二乘分解模型,总体精度大约提高了10%～20%.     

基于整体最小二乘法的线性回归建模和解法

对基于自变量和因变量误差的回归问题进行了进一步研究,证明了两种方法的实质并未解决同时考虑自变量和因变量的误差问题,其解算结果和不考虑自变量误差的解算结果完全相同.给出了能同时顾及自变量和因变量误差的新的回归模型,并推导了具体的解算方法.算例结果和基于矩阵分解的整体最小二乘法解算方法的结果相同,说明了本文方法的正确性.     

紫坪铺水电站泄洪洞围岩稳定性的FLAC3D分析

在高坝建设中.由施工期导流洞改建成的"龙抬头"形式永久泄洪洞是实际工程中一种常见形式.本文以紫坪埔为例,在岩体结构模型概化的基础上.采用FLAC3D"的数值分析方法t系统研究了紫坪铺水电站导流洞改造成泄洪洞,开挖完成后围岩的二次应力场、变形场和塑性破坏区的变化特征,与开挖过程中的监测资料进行对比分析.为洞室稳定性评价和工程施工设计提供了基础资料和参考依据.     

多源遥感影像误匹配点剔除的粗糙模糊C-均值方法

简要概述了遥感影像匹配中,误匹配点剔除的常用方法.对SIFT特征描述子生成及其匹配、粗糙模糊C-均值方法聚类分析的原理方法进行了详细论述.针对SIFT方法匹配出的大量点对,将不同时相,不同传感器、不同分辨率影像广义划分为同分辨率和不同分辨率.基于同分辨率影像匹配点对问连线具有相同的距离及斜率、不同分辨率影像匹配点对间连线的延长线交于一点的几何约束条件,利用粗糙模糊C-均值模型聚类分析方法对点对快速剔除误匹配点后,对剔除的结果利用最小二乘方法进行精匹配,结果达到亚像素.最后,通过对不同时相、不同分辨率、不同传感器的多源遥感影像实验分析验证了该方法的适用性、可靠性及精确性.