一种稳健最小二乘支持向量机GNSS-IR土壤湿度反演方法

全球卫星导航系统干涉测量(global navigation satellite system interferometric reflectometry,GNSS-IR)是一种新型的遥感技术,可利用多径信噪比序列的延迟相位值反演土壤湿度值,其延迟相位求解通常使用信赖域算法,该算法一定程度依赖初值设定。文章先使用遗传算法求解出延迟相位粗略值,再将该数值作为信赖域的初值用于迭代计算,提升了部分卫星延迟相位的求解精度及稳定性。此外,针对多径信噪比序列易受环境因素影响引入粗差,进而影响模型反演精度,文章采用稳健最小二乘支持向量机作为反演模型,同时又考虑到多星融合的时空尺度优势,将该模型分别做了单星反演至五星融合反演,并与最小二乘支持向量机模型做对比。分析结果表明,当三星融合时该模型提升精度最为明显,MAE最高可降低15.6%,RMSE最高可降低12.0%。

基于等价方差-协方差阵的稳健最小二乘估计理论研究

在对现有的基于等价权的稳健估计的弊端进行分析的基础上 ,建立起一套基于调整观测量方差 -协方差阵的稳健最小二乘估计理论 ,包括相关ρ函数、相关φ函数、等价方差 -协方差函数、等价方差 -协方差因子、影响函数、崩溃污染率等。通过算例证明本文所提出的基于等价方差 -协方差的稳健估计思想。

基于稳健最小二乘支持向量机的测深激光信号处理

针对浅海探测中激光回波噪声源多、信噪比低,传统非加权最小二乘支持向量机和加权最小二乘支持向量机对低信噪比信号滤波不足的问题,提出将稳健最小二乘法与加权最小二乘支持向量机相结合的滤波方法(HW-LSSVM)。首先采用强淘汰权函数计算先验权值、残差和均方误差,然后采用权函数模型计算最小二乘支持向量机的权值,最后通过迭代计算实现回波信号滤波。通过仿真实验结果表明,HW-LS-SVM方法较最小二乘支持向量机、贝叶斯最小二乘支持向量机和传统加权最小二乘支持向量机滤波效果更加稳健,在噪声率为45%的情况下,滤波效果较为理想,水面和水底回波提取正确率为100%;对实测4组深水区和4组浅水区数据滤波后提取的海水深度均与背景资料的深度吻合。由此表明,HW-LS-SVM方法具有更好的抗噪性,更适合于对信噪比低的测深激光信号的滤波处理。

高频雷达电台干扰抑制的稳健最小二乘方法

为对抗工作环境下的非平稳短波电台干扰,本文基于对偶极化的高频地波超视距雷达接收系统提出了新的稳健最小二乘抗干扰算法,改善高频雷达目标检测的性能.该方法基于凸空间最优化的思想,修正水平极化辅助天线接收数据,设定最大的环境误差范围,保证在最差误差环境下的最优干扰抑制性能.通过转换该凸最优的约束方程为简单的一维搜索,提出了最优加权系数的有效求解方法.实验数据处理结果表明了方法的有效性.

稳健最小二乘单类支持向量机及其稀疏化方法

针对最小二乘单类支持向量机存在易受噪声样本干扰和稀疏损失问题,提出一种稳健最小二乘单类支持向量机及其稀疏化方法。采用普通最小二乘支持单类向量机确定样本初始权值,通过迭代计算实现权值的优化和稳健分类,在稀疏化过程中,以训练精度最大化和支持向量数最小化为优化目标,建立多目标稀疏化优化模型,采用遗传算法进行求解。实验结果表明,该方法具有更高的分类精度和更优的稀疏性。

稳健总体最小二乘法一元线性回归的相对有效性探讨

文章运用不同的误差(粗差)影响模型、不同的稳健估计方法和不同的斜率,利用仿真实验的方法探讨了在一元线性回归问题中稳健最小二乘法(RLS)和稳健总体最小二乘法(RTLS)的相对有效性。结果表明,RLS和RTLS相对于观测值(因变量)的估值,RLS大多数情况下都优于RTLS,在个别情况下RTLS优于RLS。RLS和RTLS相对于回归系数的估值,RLS更优。对于一元线性回归,RTLS相对于RLS并没有明显的优越性。

系数矩阵包含粗差时稳健总体最小二乘法一元线性回归的相对有效性

运用仿真试验的方法,以不同的稳健估计方法和不同斜率的一元线性回归模型为例,探讨了系数矩阵含粗差的不同误差影响模型下稳健最小二乘法(RLS)和稳健总体最小二乘法(RTLS)在一元线性回归中的相对有效性。结果表明,对于观测值的估值,不同的斜率将影响RTLS与RLS的相对有效性;对于回归系数的估值,RLS优于RTLS。

稳健总体最小二乘法在测边网解算中的相对有效性

以不同观测值个数与未知数个数的模拟测边网、观测值中包含不同的粗差个数和常用的相对有效的稳健估计方法为例,运用仿真试验的方法比较稳健总体最小二乘法(RTLS)与稳健最小二乘法(RLS)的相对有效性,结果说明对于观测值包含随机误差和粗差、系数矩阵不包含随机误差和粗差的情形,稳健总体最小二乘法与稳健最小二乘法等价。

基于验后方差估计的稳健整体最小二乘方法

根据整体最小二乘的验后方差估计,求出观测值的验后方差,通过方差检验可找出方差异常大的观测值。然后根据经典权与观测值方差成反比的定义赋予它一个相应小的权进行下一步迭代平差,逐步实现粗差定位。通过坐标转换实验,利用一般最小二乘法(LS)、加权整体最小二乘法(WTLS)以及文中提出的稳健整体最小二乘法(RTLS)分别对待估参数进行求解对比,解算结果表明文中提出的方法能对粗差进行有效的定位,且估计量受粗差影响较小,具有稳健性,估算效果优于其它两种方法。

半参数回归模型的稳健补偿最小二乘估计(英文)

本文研究了一类半参数回归模型,利用稳健补偿最小二乘估计法,得到了稳健补偿最小二乘估计量,以及它们的影响函数及渐近方差-协方差,对结果的分析表明了该法优于补偿最小二乘法,而且具有稳定性.

基于IGGⅡ稳健总体最小二乘在变形监测的应用

由于外界的种种原因,测量误差始终存在。总体最小二乘考虑了系数矩阵误差以及观测向量误差,却未考虑观测向量可能存在粗差。因此,利用稳健估计方法,采用IGGⅡ权函数,提出了基于IGGⅡ的稳健总体最小二乘迭代方法。通过实例对比LS,TLS,以及稳健总体最小二乘的结果,发现稳健总体最小二乘的精度最高。

基于稳健偏最小二乘法的谐波发射水平估计

为了合理划分电力系统及用户各自的谐波污染责任,文中提出用稳健偏最小二乘回归法估算供电系统谐波阻抗并计算用户谐波发射水平。将公共联接点同步测量采样获得的谐波电压和电流信号作为回归方程的自变量与因变量,利用稳健偏最小二乘求解回归系数,即系统侧谐波阻抗。该方法保留了偏最小二乘法在自变量存在相关性的条件下仍然能够回归建模的优点,同时有效克服了偏最小二乘法由于对异常值敏感而导致建模结果不准确的缺陷。通过仿真分析和实际工程算例验证了该方法的准确性和有效性。

重整汽油近红外光谱的稳健偏最小二乘解析

Robust partial leastsquares algorithm was carried out on determining distillation ranges and octane number of reformed gasoline by NearInfrared Spectroscopy(NIR).The computing standard error of the initial boiling point was 00349,while those of the other distillation ranges and octane number were better than that of IBP,and the standard error of 50 percent distillation range arrived at 00055.RPLS is rapid and robust,and has good accuracy and repeatability,and it will be an effective method in correcting distillation ranges and octane number of reformed gasoline.

线性回归模型的稳健总体最小二乘解算

针对线性回归中自变量和因变量可能含有粗差的情况,提出线性回归模型的稳健总体最小二乘法。将线性回归模型进行等价变换,视其总体最小二乘平差模型为非线性,根据选权迭代的思想推导线性回归模型的稳健总体最小二乘迭代算法。以模拟算例在自变量和因变量同时添加粗差的情况下进行10 000次试验,并从中选出一组数据进行具体分析,结果验证了本文算法的有效性和可行性。

方差膨胀的稳健加权总体最小二乘点云平面拟合

为了提高平面拟合精度,本文采用总体最小二乘求解平面拟合参数。同时考虑到点云数据中含有的粗差点可能影响点云平面拟合的精度,提出了方差膨胀的稳健加权总体最小二乘。本文通过选取IGG权函数将点云数据分为3段,并引入中位数对IGG权函数进行改进,可以更准确地探测粗差。考虑到点云数据中x、y、z这3个方向的误差并不是等精度,计算了点位的协方差矩阵,使得x、y、z这3个方向的误差分配更加合理。通过实例表明,本文的方法不仅可以消除粗差点的影响,还能减弱可疑点的影响,得到更为准确的平面拟合参数,提高了平面拟合精度。

一种约束鲁棒加权最小二乘静默定位算法

水下静默定位算法是一种具有高度隐蔽性的被动定位算法,仅通过接收来自参考节点的定位信号,目标节点即可完成对自身的定位,且各节点间无须保持时钟同步。针对传统水下静默定位算法定位精度低和对测量噪声鲁棒性较差的问题,本文提出一种结合卡尔曼滤波的约束稳健加权最小二乘算法。该算法首先将目标节点和参考节点之间的距离作为辅助变量,将静默定位问题转换为二次规划问题,并利用辅助变量与目标节点坐标之间隐含的相关性对方程加以约束。其次,为减小测距误差的影响,利用IGG3权函数对观测数据进行稳健加权处理,通过迭代平差法,不断降低噪声较大观测数据的所占权值,从而减小了观测信息中的噪声对定位精度的影响。然后,通过引入拉格朗日乘子法和广义奇异值分解对目标函数进行求解,得到目标节点位置的解析表达式。最后,为充分利用观测量,在水下目标节点的动态定位中估计出位置后,利用状态变量的连续性,对其进行卡尔曼滤波以进一步提高定位精度。仿真及海试结果表明,在水下测量噪声较大的情况下,相比于经典最小二乘算法,本文所提出的约束稳健加权最小二乘算法定位精度更高且该算法对测距误差具有更好的鲁棒性。

灰色稳健总体最小二乘估计及高铁路基变形预测

最小二乘估计和部分变量误差模型的总体最小二乘估计不具备抵御粗差的能力。鉴于粗差可能同时出现在灰色白化微分方程的观测值和系数矩阵中,本文提出基于IGGⅢ抗差方案的部分变量总体最小二乘稳健估计。结合仿真数据和高铁路基观测数据,系统地比较稳健最小二乘、部分变量总体最小二乘、本文算法参数估计结果和算法稳定性。结果表明,本文算法预测精度高,可以应用到高铁路基沉降预测中。

稳健加权整体最小二乘法在GPS高程拟合中的应用

由于GPS测量技术获取的大地高与国家采用的正常高之间存在高程异常的问题,为此,通常采用高程拟合的方式进行高程异常的计算,从而将大地高转换为正常高。针对采用加权整体最小二乘法估计GPS高程拟合中的多项式系数时,并没有考虑到观测数据中可能存在粗差的情况。采用稳健加权整体最小二乘法求解GPS高程平面拟合参数,并与最小二乘法、加权整体最小二乘法和稳健最小二乘法的结果进行对比,结果表明稳健加权整体最小二乘法的平面拟合结果最优。

病态与稳健总体最小二乘平差方法若干关键问题研究

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。

稳健递推最小二乘法及其在功率谱估计中的应用

本文依据稳健估计理论,提出了一种稳健递推的最小二乘算法.理论分析和数字仿真的计算结果表明,该算法在抑制奇异值方面性能良好.