共查询到10条相似文献，搜索用时 265 毫秒
1.
2.
首先得到了一元p范分布在不同情况下的估计效率公式,给出了选择不同尺度参数时Lp估计的效率,说明了选择合适尺度参数的重要性;然后根据误差分布的实际情况,从一元p范分布的概率密度函数和统计性质出发,利用绝对矩得到了尺度参数和方差的合理选择公式。通过曲线拟合的公式,给出了一种一元p范分布的参数p的估计方法,并用两个模拟算例对本文方法进行了验证。 相似文献
3.
论述秩亏自由平网差参数解的统计性质，证明秩亏高斯－万尔柯夫模型的最小二乘解不存在无偏估计，但存在r=R(A)个不相关的可估线性函数，它们是最优线性无偏估计，重心基准下的秩亏平差，其参数估值为方差最小有偏估计，拟稳基准下的秩亏平差，其拟稳参数估值也是方差最小有偏估计，非拟稳参数估值为偏估计。 相似文献
4.
线性半参数回归模型L=Bx+s+Δ是线性模型与非参数回归模型的混合体,在半参数模型补偿最小二乘估计基本理论的基础上,详细介绍了半参数模型非参数假设检验的理论与方法,导出了其假设检验统计量,并对检验统计量的分布进行了推导与证明。最后通过模拟算例验证了其理论与方法的有效性。 相似文献
5.
地形匹配定位（terrain aided position，TAP）的似然函数反映了AUV（autonomous underwater vehicle）的位置在空间中的分布概率，由于地形的强非线性、随机性以及测量误差的非高斯分布使得似然函数也表现出非高斯分布的特点。TAP的误差与局部地形特征和地形测量误差密切相关，由于现有的方法未考虑局部地形特征，仅考虑了测量误差的统计置信区间，使得TAP置信区间的估计结果明显偏小。为解决TAP置信区间的估计问题，建立了TAP定位点的跳变模型。设TAP定位点Xp可以向搜索区间内任一点跳变，且向某一点的跳变概率与该点的似然函数值正相关，Xp向某一点跳变的置信度小于α时，认为xα不会向该点跳变，该点设为置信区间的边界点。另外，设地形匹配定位点的置信区间内匹配残差平方和函数为二次曲面，而Xp视为该曲面的待估计参数，则可以通过曲面参数的置信区间估计方法获得1-α置信度下的置信区间。新方法得到的置信区间范围大于现有的估计方法，试验结果表明，测量波束较少时，置信区间估计会出现异常，增加测量波束可以提高潮差和测量误差的估计精度，从而提高置信区间的估计精度，但测量误差非高斯分布条件下的补偿方法仍然需要进一步研究。 相似文献
6.
基于小波系数统计特征，提出了一种SAR图像恢复方法。首先将对数变换后的SAR图像进行平稳小波分解，基于小波系数统计特征，用α—stable分布分别对纯净信号和噪声建模，估计出各部分模型参数后，用MAP估计器对处理后的SAR图像进行非线性处理来恢复出纯净图像。实验结果表明，该方法能在抑制噪声的同时最大程度地保持纹理细节。 相似文献
7.
动态系统的抗差Kaliman滤波 总被引：9，自引：0，他引：9
离散历元的动态观测量及其相应的动态模型可能存在异常，若数据处理模型不考虑对这些异常的特别处理，则动态模型参数估值及其所提供的动态信息将极不可靠。基于贝叶斯统计和抗差估计原理，我们构造了一种抗差滤波算法。该算法考虑观测分布和参数验前分布均为污染分布。并利用一个实测网验算该算法和模型的可靠性。 相似文献
8.
多尺度分割是遥感影像分析的关键步骤,影像分割过程中的尺度参数选择直接关系到面向对象影像分析的质量和精度。首先,总结了面向对象影像分析中尺度概念的内涵,分析遥感影像空间和属性两大基本特征,依据空间统计和光谱统计获得理论上最优的空间尺度分割参数、属性尺度分割参数。其次,运用了基于谱空间统计的高分辨率影像分割尺度估计方法,分析了分形网络演化多尺度分割与影像谱空间统计特征的关系,进而将基于谱空间统计的面向对象影像分析尺度参数应用于分形网络演化多尺度分割算法中,最后,对其参数的合理性进行验证。研究采用高空间分辨率IKONOS和SPOT 5影像数据,选择建筑实验区和农田实验区进行空间和光谱特征统计,以进一步估计分割中的最佳尺度参数。使用分形网络演化方法对图像进行分割,利用监督分类对本文提出的尺度估计方法进行验证,验证结果表明尺度估计方法可以一定程度上保证后续的面向对象影像分类的精度。不同于以往分割后评价的尺度选择方法会需要大量的运算量,本文方法不需要先验知识的参与,且在分割前就可以自适应地估计出相对较为合适的尺度参数,提高了面向对象信息提取的自动化程度。 相似文献
9.
本文首先分析了L_p平差的统计意义,证明了当观测误差服从p-范分布时,参数的极大似然估计即为L_p解。同时讨论了L_p的迭代解法及收敛性,给出了用改进的线性规划求L_1、L_∞解的方法。证明了L_p迭代解及L_1、L_∞严密解都是参数的无偏估计,同时构造了与L_p平差P值无关的单位权方差的无偏估计公式,并对L_p平差的效率作了讨论。最后分析了L_p平差与抗差估计的关系,给出了一种基于L_1解的抗差估计方法。 相似文献
10.
遥感图像最大似然分类方法的EM改进算法 总被引：35，自引：1，他引：35
基于参数化密度分布模型的最大似然方法（MLC）是遥感影像分类最常用手段之一，与其他非参数方法（如神经网络）相比较，它具有清晰的参数解释能力、易于与先验知识融合和算法简单而易于实施等优点。但是由于遥感信息的统计分布具有高度的复杂性和随机性，当特征空间中类别的分布比较离散而导致不能服从预先假设的分布，或者样本的选取不具有代表性，往往得到的分类结果会偏离实际情况。首先介绍了用基于有限混合密度理论的期望最大（EM）算法来作为最大似然函数（MLC）参数估计的方法－EM－MLC。该模型首先假设总体混合密度分布可被分解为有限个参数化的高斯密度分布，然后把具有先验知识的样本与随机选取的未知样本混合在一起，通过EM迭代计算来估计出各密度分布的最大似然函数的参数集，从而一定程度上避免了参数估计可能出现的偏离。最后，本文提出了基于EM－MLC遥感影像分类的具体实施流程和应用示范，并与一般最大似然方法（MLC）得到的分类结果进行了定性和定量的综合比较，认为EM－MLC在精度上得到了提高。 相似文献