共查询到20条相似文献，搜索用时 31 毫秒
1.
误差向量的方差-协方差阵是一般对称正定矩阵下的附不等式约束加权整体最小二乘平差模型,研究了其参数估计和精度评定问题。首先,将残差平方和极小化函数在整体最小二乘准则下转化为只包含模型参数的目标函数,同时将所有的不等式约束表示成一个等价的凝聚约束函数,并运用乘子罚函数策略将不等式约束加权整体最小二乘平差问题转化为相应的无约束最优化问题,并用BFGS方法求解。然后,将误差方程和约束函数线性展开,推导了最优解和观测量间的近似线性函数关系,运用方差-协方差传播律得到了最优解的近似方差。最后,用数值实例验证了方法的有效性和可行性。 相似文献
2.
针对PCA变化检测方法的精度较低和ICA方法的线性局限性问题,提出了基于核独立成分分析(KICA)的多时相遥感图像变化检测方法。首先,将每一时相的图像转化为列向量,并把这些列向量组成矩阵;然后,通过核函数将矩阵映射到高维特征空间中,再在该空间中利用ICA方法分离出相互独立的图像分量;接着通过FCM算法分割表征变化信息的图像分量,并采用区域生长算法获得完整的变化信息;最后,分别利用本文方法与差值法、PCA方法和ICA方法对多时相遥感图像进行变化检测,并对检测结果进行定性分析和定量比较。结果表明,该方法能更好地分离出多时相遥感图像的变化信息,具有更高检测精度。 相似文献
3.
4.
根据总体最小二乘准则,可以将附有不等式约束的变量误差（errors-in-variables,EIV）模型转化为标准最优化问题,并运用有效集法、序列二次规划法等优化方法求解。已有算法在涉及计算目标函数的Hesse矩阵（二阶导数）时,存在计算量较大的缺陷。针对上述问题,利用基于拟牛顿法修正Hesse矩阵的序列二次规划算法解算附有不等式约束加权总体最小二乘问题,新算法减小了计算量,可以提高收敛速度。通过实例,证明了该算法具有很好的适用性和计算效率。 相似文献
5.
四元数法可用于大角度的空间三维坐标转换,但其理论较复杂,计算及证明不便。借助四元数的矩阵实表示,可以将四元数域上的运算转化为实数域上向量和矩阵的运算。针对大角度空间三维坐标转换问题,构造了四元数优化函数,然后基于单位四元数矩阵实表示的方式将四元数问题的求解转换成矩阵问题的求解,并给出了利用单位四元数进行空间三维坐标转换两种算法的详细证明。经过算例分析表明,两种算法解算结果和奇异值分解算法一致,验证了算法的正确性和有效性,且两种算法只需进行矩阵的特征值分解,无须线性化,计算简便,便于编程,适用于大角度坐标转换问题的求解。 相似文献
6.
病态问题是大地测量数据处理中常见的问题,充分利用平差过程所给的先验信息可以确保参数的可靠性和有效性.提出了一种利用不等式约束求解病态问题的新算法,该算法将先验信息表示为不等式形式,并与病态模型构成不等式约束平差模型.结合Karush-Kuhn-Tucker条件可将该模型转化为线性互补问题,然后利用Lemke算法求解.该法避免了对病态矩阵求逆,保证了参数解的唯一性和稳定性.最后,本文模拟了未知参数附先验信息的Hilbert矩阵及全球定位系统(Global Positioning System,GPS)快速定位实验,并结合多种经典的病态平差方法,验证了Lemke算法在处理病态问题上的有效性. 相似文献
7.
8.
针对SIFT算法特征向量维数较高,匹配实时性较差的问题,提出一种利用线性判别分析的LDA-SIFT算法。该算法首先利用SIFT算法提取特征点并生成特征向量矩阵;然后将特征向量矩阵转换为种子点向量矩阵并为数据设置标签;接着利用线性判别分析对种子点向量进行降维;最后在低维特征空间将种子点向量矩阵转换为特征向量矩阵并在欧式空间匹配,运用RANSAC算法剔除误匹配。采用多组图像验证该算法匹配的性能,实验结果表明,LDA-SIFT算法能够有效降低特征向量维度,缩短特征匹配时间,匹配精度与降维前相近。 相似文献
9.
讨论用正定矩阵三角分解法解线性对称方程组的问题,将具有正定系数阵的线性方程组中的正定矩阵分解为两个互为转置的上、下三角阵之积,用比较法导出下三角阵诸元素与原矩阵诸元素之间的关系式,再将分解式代入原方程,从而导出用三角分解法解线性对称方程组的计算公式,此法计算规律性强,既适用于手算又适用于电算,可在测量平差等科学计算中广泛应用。 相似文献
10.
11.
12.
讨论用正定矩阵三角分解法解线性对称方程组的问题,将具有正定系数阵的线性方程组中的正定矩阵分解为两个互为转置的上、下三角阵之积,用比较法导出三角阵诸元素与原矩阵诸元素之间的关系式,再将分解式代入原方程,从而导出用三角分解法解线性对称方程组的计算公式,此法计算规律中,既适用于手算又适用于电算,可在测量平差等科学计算中广泛应用。 相似文献
13.
14.
针对测量数据处理中存在的病态问题,该文提出采用共轭梯度方法求解病态总体最小二乘问题。利用Tikhonov正则化的思想构造目标函数,将总体最小二乘问题转化为无约束最优化问题,然后利用共轭梯度法进行求解,避免了过程中的矩阵求逆运算。通过模拟数值算例表明了该方法在解决病态总体最小二乘问题中的有效性,并分析比较了该方法同正则化总体最小二乘方法之间的差异。 相似文献
15.
针对测量数据处理中存在的病态问题,该文提出采用共轭梯度方法求解病态总体最小二乘问题。利用Tikhonov正则化的思想构造目标函数,将总体最小二乘问题转化为无约束最优化问题,然后利用共轭梯度法进行求解,避免了过程中的矩阵求逆运算。通过模拟数值算例表明了该方法在解决病态总体最小二乘问题中的有效性,并分析比较了该方法同正则化总体最小二乘方法之间的差异。 相似文献
16.
17.
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。 相似文献
18.
测绘领域诸多实际应用中系数矩阵和观测向量具有结构特征,即系数矩阵和观测向量中包含固定量(甚至固定列)和随机量,并且不同位置的随机量线性相关。针对这个问题,从变量误差(errors-in-variables,EIV)函数模型出发,首先,将系数矩阵和观测向量构成的增广矩阵表示为仿射函数形式,并采用变量投影法对函数模型进行重构;然后,利用拉格朗日法推导出了一种结构总体最小二乘(structured total least squares,STLS)估计算法。算例分析结果表明,该算法与已有能够解决系数矩阵和观测向量存在结构特征的加权或结构总体最小二乘算法估计结果一致,说明了该算法的有效性,同时阐明了该算法与已有相关算法的关系。 相似文献
19.
提出一种稀疏自表达方法来研究高光谱影像分类中的波段选择问题。该方法利用字典矩阵等于测量矩阵的条件来改进多观测向量的稀疏表达模型,将波段子集看作高光谱影像波段集合中的代表子集。稀疏自表达方法将波段选择转换为寻求多观测向量中稀疏系数矩阵的非零行向量问题,通过引入混合范数来限定非零元素行向量的个数,利用快速交替方向乘子方法求解稀疏系数矩阵,并聚类非零行向量,实现波段的有效选择。基于两个公开高光谱影像数据集并对比其他4种波段选取方法来验稀疏自表达方法。实验结果证明,稀疏自表达方法能够在计算效率明显优于基于波段相关性的线性限制最小方差方法的同时,取得与该方法和非负稀疏矩阵分解方法相匹甚至略高的总体分类精度。 相似文献