变二次估计为线性估计的拉直变换法

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

变二次估计为线性估计的拉直变换法

文章导航 > 武汉大学学报 ( 信息科学版) > 1994 > 19(3): 239-243

王新洲. 变二次估计为线性估计的拉直变换法[J]. 武汉大学学报 ( 信息科学版), 1994, 19(3): 239-243.

引用本文:

王新洲. 变二次估计为线性估计的拉直变换法[J]. 武汉大学学报 ( 信息科学版), 1994, 19(3): 239-243.

Wang Xinzhou. The Method of Changing Quadratic Estimation into Linear Estimation[J]. Geomatics and Information Science of Wuhan University, 1994, 19(3): 239-243.

Citation:

Wang Xinzhou. The Method of Changing Quadratic Estimation into Linear Estimation[J]. Geomatics and Information Science of Wuhan University, 1994, 19(3): 239-243.

变二次估计为线性估计的拉直变换法

王新洲

武汉测绘科技大学, 地球科学与测量工程学院, 武汉市珞喻路39号, 430070

基金项目: 国家测绘局"八五"重点科技攻关资助项目。

作者简介:
王新洲,男,40岁,博士,讲师,现从事大地测量数据处理的研究。

中图分类号: P207

The Method of Changing Quadratic Estimation into Linear Estimation

Wang Xinzhou

Institute of Earth Science and Survey Engineering, WTUSM, Luoyu Road 39, Wuhan, China, 430070

摘要: 利用投影变换和拉直变换,得到了方差和协方差估计的一种新模型——线性模型。该模型将方差和协方差分量的二次估计问题变为我们所熟知的线性估计问题。本文介绍了该方法的原理,证明了估计量θ的统计性质。
- 拉直变换 /
- 方差和协方差分量估计 /
- 线性模型
Abstract: This paper presents a new model of variance and covariance components estimation by applied projective transformation and representation of matrices by vectors. The method changes the quadratic estimation of varisnce and covarisnce components into the linear model.Some statistical characters of the estimate have been proved.
- representation of matrices by vectors /
- variance and covariance components estimation /
- linear model

[1]	王乐洋, 孙坚强. 总体最小二乘回归预测模型的方差分量估计 . 武汉大学学报 ( 信息科学版), 2021, 46(2): 280-288. doi: 10.13203/j.whugis20180450
[2]	吕志鹏, 隋立芬. 基于变量投影法的自回归模型方差分量估计 . 武汉大学学报 ( 信息科学版), 2020, 45(2): 205-212. doi: 10.13203/j.whugis20180352
[3]	吴继忠, 王天, 吴玮. 利用GPS-IR监测土壤含水量的反演模型 . 武汉大学学报 ( 信息科学版), 2018, 43(6): 887-892. doi: 10.13203/j.whugis20160088
[4]	陈启浩, 刘修国, 黄晓东, 姜萍. 一种极化sar协方差矩阵综合四分量分解模型 . 武汉大学学报 ( 信息科学版), 2014, 39(7): 873-877.
[5]	赵俊, 郭建锋. 方差分量估计的通用公式 . 武汉大学学报 ( 信息科学版), 2013, 38(5): 580-583.
[6]	刘志平, 张书毕. 方差-协方差分量估计的概括平差因子法 . 武汉大学学报 ( 信息科学版), 2013, 38(8): 925-929.
[7]	许才军, 王江林. 线性最小方差估计用于SAR干涉图大气延迟改正 . 武汉大学学报 ( 信息科学版), 2007, 32(9): 757-760.
[8]	陶本藻, 邱卫宁. 线性模型估计方法的分析与进展 . 武汉大学学报 ( 信息科学版), 2007, 32(11): 972-974.
[9]	姚吉利, 韩保民, 杨元喜. 罗德里格矩阵在三维坐标转换严密解算中的应用 . 武汉大学学报 ( 信息科学版), 2006, 31(12): 1094-1096.
[10]	王新洲, 游扬声, 刘星, 史文中. GIS叠置图层方差分量的极大似然估计 . 武汉大学学报 ( 信息科学版), 2005, 30(10): 892-896.
[11]	杨元喜, 徐天河. 基于移动开窗法协方差估计和方差分量估计的自适应滤波 . 武汉大学学报 ( 信息科学版), 2003, 28(6): 714-718.
[12]	王新洲. 非线性模型平差中单位权方差的估计 . 武汉大学学报 ( 信息科学版), 2000, 25(4): 358-361.
[13]	王新洲, 刘经南, 陶本藻. GPS基线向量网方差和协方差分量的MINQUE估计 . 武汉大学学报 ( 信息科学版), 1993, 18(3): 57-66.
[14]	吴晓清. Helmert-WF(权因子)方差分量估计 . 武汉大学学报 ( 信息科学版), 1992, 17(4): 1-10.
[15]	於宗俦. Helmert型方差-协方差分量估计的通用公式 . 武汉大学学报 ( 信息科学版), 1991, 16(2): 8-17.
[16]	盛乐山. 三维网平差的方差分量估计 . 武汉大学学报 ( 信息科学版), 1990, 15(1): 91-98.
[17]	吴晓清. 权因子法方差分量估计 . 武汉大学学报 ( 信息科学版), 1989, 14(4): 8-15.
[18]	徐培亮. 非线性函数的协方差传播公式 . 武汉大学学报 ( 信息科学版), 1986, 11(2): 92-99.
[19]	李作发, 罗玉芳, 胡永旭. 阵列代数与拉直变换 . 武汉大学学报 ( 信息科学版), 1985, 10(2): 40-47.
[20]	张宝庭. 方差-协方差-分量估计 . 武汉大学学报 ( 信息科学版), 1982, 7(1): 42-57.

WeChat

点击查看大图

计量

文章访问数: 637
HTML全文浏览量: 46
PDF下载量: 151
被引次数: 0

变二次估计为线性估计的拉直变换法

王新洲

武汉测绘科技大学, 地球科学与测量工程学院, 武汉市珞喻路39号, 430070

基金项目: 国家测绘局"八五"重点科技攻关资助项目。

作者简介:
王新洲,男,40岁,博士,讲师,现从事大地测量数据处理的研究。

收稿日期: 1993-12-08
刊出日期: 1994-03-05

中图分类号: P207

关键词:

方差和协方差分量估计 /

摘要: 利用投影变换和拉直变换,得到了方差和协方差估计的一种新模型——线性模型。该模型将方差和协方差分量的二次估计问题变为我们所熟知的线性估计问题。本文介绍了该方法的原理,证明了估计量θ的统计性质。

English Abstract

王新洲. 变二次估计为线性估计的拉直变换法[J]. 武汉大学学报 ( 信息科学版), 1994, 19(3): 239-243.

引用本文:

王新洲. 变二次估计为线性估计的拉直变换法[J]. 武汉大学学报 ( 信息科学版), 1994, 19(3): 239-243.

Wang Xinzhou. The Method of Changing Quadratic Estimation into Linear Estimation[J]. Geomatics and Information Science of Wuhan University, 1994, 19(3): 239-243.

Citation:

Wang Xinzhou. The Method of Changing Quadratic Estimation into Linear Estimation[J]. Geomatics and Information Science of Wuhan University, 1994, 19(3): 239-243.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

我要投稿

投稿攻略

联系我们

二维码