首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 218 毫秒
1.
部分岭估计的岭参数确定方法   总被引:1,自引:0,他引:1  
部分岭估计在许多实际的数据处理中是非常有效的,但其岭参数的确定始终是个难点问题。针对这个问题展开了分析,推导了广义交叉检核法、L-曲线法等几种常用的岭参数确定方法在部分岭估计模型下的具体形式。通过对其算例进行计算分析并比较了各自的优缺点。结果证明,L-曲线法虽然无法定义最优,但是适用性好,稳定性佳,与前两种方法相比有一定优势。  相似文献   

2.
岭参数确定的研究   总被引:1,自引:0,他引:1  
黄海兰  牛犇 《测绘科学》2011,36(4):31-32
中文阐述了多种岭参数确定方法的原理,如岭迹法、L曲线法、两步解法、GCV法和双h公式法,应用数据编程比较了各种岭参数计算方法所得的结果及对最小二乘估计的改进效果.结果表明,L-曲线法易于确定岭参数,是一种确定岭参数的良好方法.此外,两步解作为另一种解算病态问题的方法,不仅要明显优于LS估计,并且改善了L-曲线法的计算结...  相似文献   

3.
用L-曲线法确定岭估计中的岭参数   总被引:15,自引:0,他引:15  
运用L 曲线法来确定岭估计中的岭参数 ,推导了用L 曲线法确定岭参数的基本公式 ,在此基础上实现了其算法 ,并用两个算例 ,比较了新方法和以往方法。结果表明 ,L 曲线法不仅容易收敛 ,而且其计算结果的精度较高  相似文献   

4.
岭估计的主要问题是选择合适的岭参数,本文分析和讨论了不同病态指标下,参数范数随岭参数的变化规律,提出了用斜率法确定岭参数。通过斜率法与L曲线法、LS估计的数字模拟结果显示,斜率法简单、直观,确定的岭参数合理。  相似文献   

5.
针对加权情形下的变量误差(EIV)模型,采用广义岭估计法处理总体最小二乘平差的病态性问题. 结合最优化准则和协方差传播率推导了未知参数的改正数求解公式;根据参数估计值的均方误差最小化原理,通过求偏导数列出广义岭估计中岭参数的迭代解式,并讨论了广义岭参数的含义和作用,给出了确定岭参数的L-曲线法. 通过算例比较分析了加权最小二乘估计、总体最小二乘估计、加权最小二乘岭估计、总体最小二乘岭估计、加权最小二乘的广义岭估计和总体最小二乘广义岭估计,叙述了加权总体最小二乘的广义岭估计的优缺点.   相似文献   

6.
提出了处理附有病态约束矩阵的等式约束反演问题的岭估计解法,推导了相应的求解公式及均方误差评定精度的方法,给出了确定附有病态约束矩阵的等式约束反演中岭参数的岭迹法、广义交叉核实法和L曲线法。算例比较了三种确定岭参数的方法在处理附有病态约束矩阵的等式约束反演问题中的优缺点,并与截断SVD法进行了对比分析。  相似文献   

7.
基于岭估计的有理多项式参数求解方法   总被引:5,自引:1,他引:4  
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.  相似文献   

8.
介绍了基于L曲线法的抗差岭估计模型及其在抵御系数阵病态和观测粗差影响中的作用,给出了抗差岭估计模型的推导公式及L曲线法确定岭参数的基本原理。最后结合实际算例作出五种方案的计算比较,结果表明:基于L曲线法的抗差岭估计模型能够有效地改善和抵御系数阵病态和粗差观测值带来的影响。  相似文献   

9.
通过比较基于L-曲线法求取岭参数的岭估计法与谱修正迭代法,分析了两种方法的特性,为选择合适的方法进行病态方程求解作参考。针对谱修正迭代法收敛慢、效率低这一缺点,提出了一种利用狭义岭估计中的岭参数(或广义岭估计的岭参数对角矩阵)进行谱修正,改进谱修正迭代法的方法。利用模拟算例对改进的方法进行实验,在不同噪声情况下,改进方法效率有不同程度的提高。把改进方法应用到SPOT影像RPC求解中,发现改进的方法在应用中具有一定的优势。  相似文献   

10.
通用EIV(errors-in-variables)平差模型作为经典平差模型的一般化形式,具有同时顾及多种随机误差的优势. 在通用EIV平差模型加权总体最小二乘(WTLS)的线性化估计基础上,引入正则化准则. 正则化矩阵为单位矩阵时为岭估计,添加目标函数,通过建立拉格朗日目标函数的最小化求解,导出加权通用EIV平差模型对应的岭估计解式,给出了确定岭参数的U曲线法和L曲线法. 计算了通用EIV平差模型的线性化估计、两种岭估计及其对应的方差分量值;验证岭估计对通用EIV模型的线性化估计具有促进性,可减少迭代次数,使得参数方差分量更快趋于平稳,降低参数估计的计算量.   相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号