實用測量數(shù)據(jù)處理方法

內(nèi)容概要

　　本書共分八章，分別為參數(shù)估計及統(tǒng)計檢驗，插值計算，回歸與擬合分析，抗差估計、有偏估計及擬合推估，時間序列分析，傅里葉分析與小渡分析，神經(jīng)網(wǎng)絡與遺傳算法，空間信息統(tǒng)計學基礎。與第一版相比，本書的修訂去掉了有限元方法和分布擬臺檢驗兩章，增加了小波分析、神經(jīng)阿絡與遺傳算法和空間信息統(tǒng)計學基礎．充實了有偏估計、半?yún)?shù)估計和整體最小二乘平差、擬合推估等現(xiàn)代測量平差方法，并增加了二元函數(shù)插值和基于正交函數(shù)系的擬臺方法等測量所需的插值與擬臺方法。各章附有相關例題和習題，便于讀者的理解。
　　本書的特點是強調(diào)常用近代數(shù)據(jù)處理的實用性，且著眼于現(xiàn)代測繪技術及其發(fā)展的需求，充實新的理論與方法。本書可供測繪和相關學科的學生和專業(yè)技術人員參考。

書籍目錄

第1章參數(shù)估計及統(tǒng)計檢驗　
　§1．1概述
　§1．2參數(shù)估計原理　
　§1．3最小二乘估計理論
　§1．4整體最小二乘估計原理
　§1．5統(tǒng)計檢驗　
　習題
第2章插值計算
　§2．1概述
　§2．2拉格朗日插值　
　§2．3牛頓插值
　§2．4插值多項式的余項　
　§2．5埃爾米特插值　
　§2．6樣條函數(shù)插值
　§2．7二元函數(shù)插值
　習題　　
第3章回歸與擬臺分析
　§3．1概述
　§3．2線性回歸分析　
　§3．3最優(yōu)回歸方程的選擇　
　§3．4非線性回歸分析
　§3．5基于正交函數(shù)系的擬臺方法　　
　習題
第4章　抗差估計、有偏估計及擬合推估
　§4．1概述　
　§4．2抗差估計
　§4．3附加系統(tǒng)參數(shù)的平差
　……
第5章　時間序列分析
第6章　傅里葉分析與小波分析
第7章　神經(jīng)網(wǎng)絡與遺傳算法
第8章　空間信息統(tǒng)計學基礎
參考文獻

章節(jié)摘錄

版權(quán)頁：   插圖：   根據(jù)引入自變量的方法不同，建立最優(yōu)回歸方程的方法可采用下面幾種。 一、“逐步剔除”的回歸分析方法 這種方法是首先采用全部自變量來和因變量y建立回歸方程，然后對每一個自變量因子作顯著性檢驗，剔除不顯著的變量中偏回歸平方和最小的變量，然后再用剩余的變量和y重新建立回歸方程，再對方程中各自變量進行顯著性檢驗，剔去其中偏回歸平方和最小的不顯著因子，這個過程不斷重復，直至回歸方程中各個因子均顯著為止。最后一個回歸方程，即為“最優(yōu)”回歸方程。 二、“逐步引入”的回歸分析方法 這種方法的基本點是從一個自變量開始，把自變量逐個地選入回歸方程。第一步是在所有的自變量中選出一個量，使它和y組成的一元回歸方程將比其他的量與y組成的一元回歸方程具有更大的回歸平方和；第二步再在未選入的變量中選擇這樣一個自變量，使它和已選人的那個變量組成的二元回歸方程，比其他任意一個量與已選人的那個量組成的二元回歸方程具有更大的回歸平方和。這個過程不斷繼續(xù)下去，在每一步中，都對將要選人的變量作顯著性檢驗，確認為顯著時才引入并進行下一步，一旦檢驗不顯著，這個過程就結(jié)束，最后一個方程，即為“最優(yōu)”回歸方程。 三、逐步回歸分析方法 “逐步剔除”和“逐步引入”的方法都有不足之處，“逐步剔除”一開始就要計算包括所有自變量的回歸方程，如果原始自變量中有較多個不顯著因素，計算量將較大?！爸鸩揭搿钡姆椒▌t未考慮由于新變量的逐步引入，使得原有引入的變量有可能會失去重要性。為了克服上述兩種方法的不足，發(fā)展出“有進有出”的回歸分析方法，即逐步回歸分析方法。此種方法類似于“逐步引入”的方法，從一個自變量開始，視自變量對y作用的顯著程度，從大到小地逐個引入回歸方程。不同之處在于，當原引入變量由于后面變量的引人而變得不再顯著時，要將其剔除。引入一個變量或從回歸方程中剔除一個變量，為逐步回歸的一步。每一步都要進行F檢驗，以確保每次引入新的顯著性變量之前回歸方程中只包含顯著的變量。這個過程反復進行，直至既無不顯著變量從回歸方程中剔除，又無顯著變量選入回歸方程時為止。

編輯推薦

《實用測量數(shù)據(jù)處理方法(第2版)》的特點是強調(diào)常用近代數(shù)據(jù)處理的實用性，且著眼于現(xiàn)代測繪技術及其發(fā)展的需求，充實新的理論與方法?！秾嵱脺y量數(shù)據(jù)處理方法(第2版)》可供測繪和相關學科的學生和專業(yè)技術人員參考。

圖書封面

評論、評分、閱讀與下載

---

    實用測量數(shù)據(jù)處理方法 PDF格式下載

---