首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 765 毫秒
1.
截断奇异值(truncated singular value decomposition,TSVD)法通过截掉病态观测方程系数矩阵的小奇异值来改善模型的病态性,提高参数估值的稳定性和精度。然而,截除小奇异值后,改变了观测方程的结构,不仅参数估值有偏,残差估值也是有偏的;因此,其单位权方差不能用传统的估计公式计算。针对此,导出了TSVD正则化解的单位权方差无偏公式,并以第一类Fredholm积分方程和病态测边网为算例验证了公式的正确性。  相似文献   

2.
附有相对权比的总体最小二乘平差   总被引:3,自引:1,他引:2  
推导了加权情况下附有相对权比的总体最小二乘平差方法,提出了确定相对权比的验前单位权方差法和目标函数最小化法。模拟算例表明,当观测值和系数矩阵的验前单位权方差已知且比较准确时,验前单位权方差法得到的结果与参数真值的差值范数最小;目标函数最小化法的目标函数估值最小,与参数真值的差别比验前单位权方差法的结果稍大。  相似文献   

3.
胡川  陈义 《测绘学报》2014,43(7):668-674
整体最小二乘法不仅考虑观测向量的误差而且还考虑系数矩阵的误差,平差理论相对更为严密。在研究经典整体最小二乘法的基础之上,对系数矩阵元素是表达式或函数情况的非线性整体最小二乘模型进行了描述,用拉格朗日极值条件式推导了基于牛顿型解法的非线性整体最小二乘平差计算公式,并设计了一种对应的迭代算法。最后设计了两组模拟试验分析在观测向量和系数矩阵的输入向量等精度观测和非等精度观测两种情况下参数和验后方差的估计特点。试验结果表明,非线性整体最小二乘平差法获得的参数估计值比最小二乘平差法获得的估计结果更接近参数的实际值,方差分量(或中误差)估计结果也更接近先验值,本文给出的迭代算法是有效的。  相似文献   

4.
顾及像点观测方程的系数矩阵中存在随机误差,提出了基于总体最小二乘的线阵卫星遥感影像光束法平差模型。在假定像点观测误差和系数矩阵误差均为独立、等精度分布的基础上,利用拉格朗日条件极值法推导了包含外方位元素虚拟观测方程和控制点误差方程的总体最小二乘光束法平差算法的具体公式和计算方法。该方法利用方差分量估计确定各类虚拟观测值的方差,可求解包含多类虚拟观测量的平差问题,并可用先验信息或岭迹法确定系数矩阵观测值的权比例系数,从而克服了现有总体最小二乘虚拟观测方法不能处理多类虚拟观测值的不足,确保了光束法平差可正确有效求解。分别利用模拟算例与两组真实影像进行了试验验证。结果表明,相比于常规最小二乘虚拟观测法以及现有总体最小二乘虚拟观测方法,本文方法具有更高的求解精度与适应性。相较于传统线阵卫星遥感影像光束法平差方法,本文方法可以获得更高的平差计算精度。  相似文献   

5.
复数域总体最小二乘平差   总被引:1,自引:1,他引:0  
在复数域最小二乘的基础上提出了复数域总体最小二乘平差方法,推导了复数域总体最小二乘和复数混合总体最小二乘的相关公式。通过算例比较分析了复数观测值的残差的模的平方和最小(平差准则1)下及残差的实部和虚部的平方和分别最小(平差准则2)下的复数最小二乘、复数观测值和系数矩阵的残差的模的平方和最小(平差准则3)下及残差的实部和虚部的平方和分别最小(平差准则4)下的复数总体最小二乘方法的优劣。试验结果表明:平差准则1下复数最小二乘较平差准则2下得到的结果更加合理,平差准则3下复数总体最小二乘较平差准则4下得到的结果更为准确;当顾及系数矩阵误差时,平差准则3下复数总体最小二乘要优于平差准则1下复数最小二乘。  相似文献   

6.
通过对整体最小二乘估计进行分析,给出了未知参数估计及残差的统计性质。理论上得出它们均是有偏的,并且它们之间存在一定的线性关系。受系数矩阵误差影响,导致与传统最小二乘的相关结论有所区别。通过与最小二乘估计进行比较,证明了整体最小二乘估计为膨胀型有偏估计;同时得到了整体最小二乘估计的方差和均方误差的计算公式,严格论证了其值均大于最小二乘估计的方差和均方误差,因此当设计矩阵病态时整体最小二乘估计更易受病态性的影响。最后,对整体最小二乘估计与最小二乘估计之间的不同距离进行了比较,给出了选择的判定定理。  相似文献   

7.
Partial EIV模型的非负最小二乘方差分量估计   总被引:2,自引:2,他引:0  
王乐洋  温贵森 《测绘学报》2017,46(7):857-865
Partial Errors-in-Variables(Partial EIV)模型是EIV模型的扩展形式,权阵构造简单,当系数矩阵中存在非随机元素和随机元素时,Partial EIV模型的适用性更强。针对Partial EIV模型中随机模型不准确的情况,将系数矩阵和观测向量分别作为一类数据,本文在该模型的基础上,使用最小二乘方差分量估计方法,推导相关计算公式及迭代算法,分别估计出相应的方差分量估值。并对出现的负方差使用非负最小二乘理论,增加约束条件,对随机模型进行修正,得到更加合理的参数估值。试实验结果表明,本文的方法与其他方差分量估计方法等价。  相似文献   

8.
抗差贝叶斯估计及应用   总被引:3,自引:0,他引:3  
杨元喜 《测绘学报》1992,21(1):42-49
当未知参数具有先验期望和方差,且观测值与未知参数先验值均服从正态分布时,最小二乘贝叶斯估计将给出参数的最优解。然而当观测值和参数先验值的实际分布有悖于正态假设时,经典贝叶斯估计使估值偏高。本文基于常用的M估计原理,对三种类型的误差模式,导出了M-LS、LS-M和M-M三种抗差贝叶斯估计解式和影响函数;讨论了相应的计算方法;给出了参数验后方差表达式。  相似文献   

9.
孙同贺 《测绘学报》2020,49(3):398-398
经典测量平差方法通常是假设观测向量仅含有随机误差,在观测向量残差范数最小的准则下求模型参数的最优估值。而实际上,由于数据采样大小、模型化以及测量等原因,在测量数据处理中观测向量和模型系数矩阵同时含有误差的情形屡见不鲜。此时,若仍然利用最小二乘方法进行平差,其结果将是有偏的。为了提高参数估值的精度,研究新的测量数据处理理论与方法势在必行。总体最小二乘方法能同时顾及观测向量和模型系数矩阵的误差,近年来得到了测绘工作者的广泛关注和研究。  相似文献   

10.
郭迎钢  李宗春  何华  王志颖 《测绘学报》2020,49(8):1004-1013
为提高三维坐标转换参数的求解质量,本文基于最优化算法提出了一种稳健的公共点加权坐标转换方法。以坐标转换后公共点的点位残差加权平方和最小为目标函数,利用Nelder-Mead单纯形直接搜索算法,寻找公共点坐标分量在解算坐标转换参数时的最优权重组合。以粒子加速器磁铁的准直安装为应用场景,利用模拟数据和实测数据对本文方法进行验证。结果表明:本文方法能够有效降低粗差观测值及质量不佳观测值的权重。与最小二乘、抗差估计等方法相比,本文方法解算结果的点位残差加权平方和更小,坐标转换参数质量更优。本文方法能提高三维坐标转换参数的求解质量,尤其适用于验前精度未知、观测数据质量不佳的情况。  相似文献   

11.
当线性回归模型的设计矩阵病态时,最小二乘(least square,LS)估值方差大且不稳定,已不是一种优良估计。为了减弱病态性,许多有偏估计法如岭估计、主成分估计、Liu估计等被提出。基于Liu估计,引入迭代的思想,提出了一种新的有偏估计法—迭代估计法。借助对称正定矩阵的谱分解,将迭代公式转化为便于解算的解析表达式,并证明迭代公式在修正因子d∈[-1,1]是收敛的。基于Liu估计中修正因子d的确定方法,在均方误差最小的情况下给出最优修正因子d的确定公式。最后,分别利用LS估计、岭估计、Liu估计和提出的迭代估计对两个算例进行计算并给出实验结果。在第一个算例中,对观测向量添加不同的扰动,结果表明迭代估计法具有更强的抗干扰能力;第二个算例的结果表明,迭代估计法所得结果更接近于真值,即迭代估计法在均方误差意义下优于LS估计、岭估计和Liu估计。  相似文献   

12.
胡宏昌  游雪肖  徐侃 《测绘科学》2008,33(2):101-103,74
本文首先针对线性模型提出了泛最小二乘法,在设计矩阵不加限制的情形下,得到了参数的泛最小二乘估计量。该方法既发扬了最小二乘法的优点,又克服了它的一些不足,它包含了常见的岭估计和最小二乘估计法;其次讨论了泛最小二乘法的理论依据;接着研究了泛最小二乘估计量的一些统计性质,并与最小二乘估计进行比较,在一定意义上前者优于后者;然后讨论了平衡参数的选取问题;最后,给出一个应用,说明了泛最小二乘法的有效性和可行性。  相似文献   

13.
 A bound is established for the Euclidean norm of the difference between the best linear unbiased estimator and any linear unbiased estimator in the general linear model. The bound involves the spectral norm of the difference between the dispersion matrices of the two estimators, and the residual sum of squares, all evaluated at the assumed model, but is independent of the provenance of the observation vector at hand. The bound, a straightforward consequence of first principles in Gauss–Markov theory, generalizes previous results on the difference between the best linear unbiased estimator and the ordinary least-squares estimator. In a numerical example from repeated precise levelling, the bound is used to analyse the sensitivity of estimates of vertical motion to the choice of estimator. Received: 9 September 1999 / Accepted: 15 March 2002  相似文献   

14.
正规化矩阵正定时半参数估计量的统计性质   总被引:12,自引:0,他引:12  
孙海燕  潘雄 《测绘学报》2004,33(3):228-232
利用补偿最小二乘原理构造加权惩罚平方和,得到半参数模型中正规化矩阵正定时参数和半参数的估计量.从偶然误差的统计特征出发,详细讨论这种平差方法得到的参数估值的一些统计性质,并对半参数平差与最小二乘法的参数估计值进行比较.理论分析表明,通过选取合适的平滑参数,半参数平差方法优于最小二乘法.另外从数理统计的角度对平滑参数的选取进行分析,得到平滑参数的取值范围,也给出了平滑参数对模型精度的影响.  相似文献   

15.
IntroductionThe semiparametric models is composed of lin-ear parametric model and nonparameter (or non-parametric signal) ,so the model does not haveonly one solution on the least squares conditionVTPV=min,the normal equations is singular[1].In order to g…  相似文献   

16.
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   

17.
附有条件的参数平差模型的有偏估计   总被引:1,自引:0,他引:1  
讨论附有条件的参数平差模型参数的有偏估计问题。提出了约束岭估计和约束主成分估计,并证明了它们的优良性质,最后给出了一个算例,验证了所得结果。  相似文献   

18.
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   

19.
在抗差加权整体最小二乘算法中,抗差模型的抗差性与初值的好坏关系极大,若以最小二乘或整体最小二乘估值作为初值,必定会受到粗差污染而影响其抗差性。考虑到观测向量和系数矩阵存在相关性,首先推导了部分变量误差(partial errors-in-variables,Partial EIV)模型的加权整体最小二乘算法,在此基础上提出了一种利用中位参数法求解抗差迭代初值的相关观测抗差加权整体最小二乘算法。然后采用中位参数法确定抗差初值,考虑到可能出现的粗差对观测空间与结构空间的综合影响,基于标准化残差构造权因子函数,实现其抗差解法。仿真实验结果表明,此算法具有良好的抗差性能,其参数估计结果比传统算法精度更高,且随着粗差个数的增加,其抗差稳定性较好。  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