测量平差中平差模型的相互转换

本文应用近代平差理论，导出了五种平差法的计算公式，从特殊到一般地揭示了平差模型计算公式的内在规律，这对于深入理解平整理论．牢固掌握平差计算公式都是很有益处的     

广义逆矩阵在测量平差中的应用

通过对广义逆及带权广义逆进行介绍,并按广义逆解线性方程组的3种约束情况及算法,对条件平差、间接平差、附有参数的条件平差、附有条件的间接平差及秩亏自由网平差的计算公式进行推导。并指出,由于引用了广义逆矩阵,并且部分推导还采用了零权和无限权的方法,使上述公式推导变得更加简便,而且得出与教科书上相一致的结果。     

LA平差和LS平差的残差关系及应用

本文讨论了Ｇ－Ｍ模型下一次范数最小ＬＡ平差和最小二乘ＬＳ平差各量的表达形式。利用帽子矩阵Ｈ的性质，首次导出了ＬＡ平差和ＬＳ平差残差之间的关系。利用它们的关系可将ＬＡ平差结果转化为ＬＳ平差结果。     

概括函数模型的分组平差模型与公式

从概括平差函数模型出发，利用分组平差理论及相关最小二乘原理，导出了分组平差模型的平差计算及精度评定公式．概括函数模型的分组平差的平差计算和精度评价公式适应于所有的分组平差方法．     

测控网误差分布几何特征与最小二乘平差-EMD方法

根据误差控制单纯形分析了具有误差控制的测量点集合的几何特性;通过置信区间给出了误差控制单纯形范围内确定典型集的方法;通过误差分布几何特性和EMD方法给出了GPS测控网的误差纠正方法.实验表明:误差在±15 m的三角测控网通过大约200个样本点可实现误差不超过33 cm的GPS准确定位.     

非线性最小二乘平差参数精度的评定

对于非线性最小二乘平差参数的方差－协方差传播的研究,必须与非线性最小二乘平差的研究同步。为了适应现代变形监测中观测值种类变化的多样性,将观测值类型加以扩展,提出了不同类型观测值的非线性最小二乘平差参数的方差－协方差传播理论和计算公式,利用算例证明了它的可行性。     

基于数据分析方法提高路基自由网平差精度

利用最小二乘原理,推导出考虑样本容量和子样标准差的求解置信概率的函数,继而确定数据的置信区间,对数据进行筛选.对所筛余的数据,再进行平差计算,并进行精度评定.这是对传统经典平差数据筛选方法的一种补充,使得平差精度大为提高.算例分析说明了该方法的有效性和实用性,运用这种方法在冻土地区路基的变形监测网的实际平差运算中取得了良好的效果.     

广义线性回归方程的假设检验

本文主要从经典的满足高斯-马尔可夫条件的线性回归方程的最小二乘估计和假设检验问题入手,研究了一般情况即误差项不满足高斯-马尔可夫条件的线性回归议程的广义最小二乘估计和假设检验问题。     

广义特征根估计

提出线性回归模型参数向量β的一种新估计方法一广义特征根估计，讨论了它所特有的一些性质，同时给出参数向量ｔ的一个选择准则，并通过实例比较了ｔ的各种选择效果．     

RLD估计及其在测量平差中的应用

为了克服最小二乘估计在参数估计中处理复共线性的不足,得出一种新的有偏估计,并给出了此估计在均方误差意义下的优良性质,讨论了有偏估计中偏参数的选取问题,通过理论分析和算例分析说明新的估计的优良性.     

最小二乘平差中的几个问题──关于改正数的不变性及精度和可靠指标一致性的探讨

本文应用矩阵代数理论，导出了在最小二乘平差中改正数Ｖ的不变住，精度指标及可靠性指标的一致住，从而提出了大型网平差中，当ｔｒ时，采用系数阵Ａ来计算多余观测分量ｒｉ，体现了可减少计算工作量，节省计算机内存等优越性．     

基于遗传算法的广义非线性最小二乘测量平差

为了解决当前“数字地球”、“数字国家”、“数字城市”、“数字矿山”等数字化工程中广泛出现的具有多源、多维、多类型、多精度、动态和非线性等特点的测量数据的误差处理问题,本文采用了一类基于自然界生物进化基本法则而发展起来的新算法——遗传算法,在提出、设计基于遗传算法的广义非线性最小二乘参数平差方法的同时,给出了遗传算子中选择、交叉、变异算子的设计,以及具体的算法步骤。通过实例计算表明,该遗传算法是进行广义非线性最小二乘参数估计的具有全局最优化的有效方法,为广义非线性测量数据处理提供了又一新的思路。     

混合系数线性模型参数的新估计与LS估计的比较

混合系数线性模型在连续测量数据的情况下，给出了固定系数a和随机系数期望b的一种新估计．在均方误差的意义下，证明了混合系数线性模型参数的新估计优于最小二乘估计（LS估计），并给予了应用举例．     

多元线性模型回归系数的广义根方估计

将根方估计作一拓广，提出了回归系数的广义根方估计，证明了广义根方估计能更有效地改善最小二乘估计，并给出了广义根方估计的显示解和确定偏参数的方法。     

最小二乘与最小一乘

最小二乘与最小一乘是回归分析中两个重要的估计方法,在这篇文章中,我们将通过线性回归给出它们的定义,并给出它们的优缺点,希望能为使用者提供方便。     

数据的分类和权系数的确定

对于多指标数据的分类，通常将其投影到平面上，然后根据投影点的聚焦程度确定多指标数据的类别，分类的效果取决于权数的选取。利用广义最小二乘模型对多指标数据的权数进行了计算，进而实现对多指标数据的分类。