摘要：当误差含变量(eiv)模型的设计矩阵病态时,采用普通整体最小二乘(TLS)算法得不到稳定的数值解。为了减弱病态性,在整体最小二乘准则的基础上附加解的二次范数约束,组成拉格朗日目标函数,推导eiv模型的正则化整体最小二乘解(RTLS)。然后将RTLS的求解转换为矩阵特征向量问题,设计一个迭代方案逼近RTLS解。通过L曲线法求得正则化因子来确定正常数,从而避免人为选择正常数的随意性。数值实例表明,提出的迭代正则化算法是有效可行的。

摘要：针对基于遥感数据的二维建筑物的直角化问题,以建筑物边界点的坐标为观测值,以顾及边界正交限制条件的直线斜率和截距为参数,建立附有限制条件的变量误差(errors-in-variables, eiv)模型。考虑观测向量和设计矩阵相关的情况,给出了增广设计矩阵的协方差阵的计算方法,推导了附限制条件的通用加权总体最小二乘(weighted total least squares, WTLS)平差算法,以及近似精度评定算法和仅含二次型限制条件的WTLS平差方法。理论和算例分析表明,在建筑物重建问题中,附有限制条件的eiv模型比经典附有限制条件的Gauss-Helmert模型易于构建,所提的WTLS算法快速收敛速度快,对拓展WTLS平差方法的应用具有理论与实践意义。

摘要：针对摄影测量、计算机视觉、三维激光扫描、遥感影像几何纠正等领域中观测数据的特性,将y≈Aξ的变量含误差模型(eiv)拓展为y≈A(x)ξ的函数模型,该模型首先给出了设计矩阵协方差阵的计算方法,其次推导了一种通用的加权总体最小二乘(WTLS)平差算法和近似精度评定方法,并通过直线拟合、自回归模型参数估计算例进行验证计算.结果表明:无论观测值独立还是观测值相关,该方法与已有方法的WTLS平差结果及其精度一致,从而验证了该方法的正确性,且其算法更简洁方便.对于完善WTLS平差理论和方法,拓展总体最小二乘方法在3S技术中的应用有理论与现实意义.

摘要：回归预测模型是对传统回归模型的进一步扩展,不仅涉及回归模型的固定参数估计,而且将模型预测纳入平差的部分内容,更加符合实际解算需求。针对在回归模型预测中经常出现待预测非公共点(自变量)含有观测误差和随机模型不准确的问题,基于eiv(errors-in-variables)模型提出了一种同时顾及所有变量观测误差的整体解法。同时,将方差-协方差分量估计方法引入回归预测模型解算中,以修正随机模型与待预测非公共点的先验协因数阵,并推导了相关计算公式和迭代算法。算例试验表明,该方法能够有效估计各类观测数据的方差分量,为获取更合理的参数估计与更高的模型预测精度提供了可行手段。另外,通过设计多种对比方案可知,该方法的预测效果较好,尤其是针对观测数据与系数矩阵中随机元素之间存在一定相关性的情况。

摘要：针对标准最小二乘(SLS)解eiv模型存在算法收敛性受初值影响的问题,提出同伦加权整体最小二乘平差法。首先根据SLS理论,按照整体最小二乘平差准则获得求解eiv模型的法方程,联合同伦理论构建同伦加权整体最小二乘平差模型;然后采用预估-校正法对模型进行求解,并设计对应的计算算法;最后以直线拟合和二维坐标变换为例,对所提算法的可行性进行验证,针对不同初值情况对新旧算法收敛性对比。实验结果表明,在初值离真值较远时,新算法仍然能够收敛,解决SLS-WTLS中出现的发散和奇异问题。

摘要：总体最小二乘法是求解eiv(errors⁃in⁃variables)模型参数的严密数学方法。由于总体最小二乘法不具备抗差性,往往利用稳健估计方法改进算法。目前,大部分稳健总体最小二乘法基于M估计,不能处理粗差个数较多的观测数据,崩溃率低;在观测量较多的情况下,计算量大,不适合处理大量观测值。本文基于中位数的稳健性,同时顾及观测值精度和相关性信息,提出一种加权总体最小平方中值方法。此算法可以和蒙特卡洛方法结合,显著减少计算量。直线拟合实例分析表明,相较基于M估计的稳健总体最小二乘法,本算法崩溃率高、计算快速,且结果更加准确。

摘要：病态eiv模型的病灶源于设计矩阵的部分数据列之间存在复共线性关系。针对病灶特点制定正则化策略,在克服病态性的同时尽量减小正则化过程所引起的副作用,提出靶向病灶的正则化方法。通过数值试验,与总体最小二乘方法、病态总体正则化方法等进行比较,结果表明靶向病灶的正则化方法最优。

摘要：针对铁路线路正矢数据特征,考虑自变量、因变量同时存在误差的情况,提出eiv(Error-in-Variables)模型下的加权总体最小二乘法(WTLS)进行曲线拟合。通过分析拟合点贡献的不等确定度以及修正设计矩阵A的列向量分别引入权阵P y、P x、P0,并给出选权迭代算法。经实例证明,WTLS比传统的LS、TLS方法具有更高的拟合精度。

摘要：传统的Bursa七参数模型坐标转换方法在大旋转角应用中存在不足,且未考虑到随机误差。基于eiv模型的多元总体最小二乘方法,不仅考虑了系数矩阵和观测值的随机误差,而且直接通过奇异值分解求解坐标旋转矩阵,大大简化了计算步骤,无须迭代计算。推导了多元总体最小二乘的坐标转换公式,设计了转换算法,并利用模拟数据对大角度三维坐标转换进行了验证。结果表明:多元总体最小二乘方法比基于Gauss-Markov(GM)模型的最小二乘方法的精度更高,且无须迭代计算,计算过程更加高效。