复共线Gauss-Markov模型参数估计的最小描述长度方法 |
| |
引用本文: | 史玉峰,靳奉祥.复共线Gauss-Markov模型参数估计的最小描述长度方法[J].青岛大学学报(工程技术版),2005,20(1):20-23. |
| |
作者姓名: | 史玉峰 靳奉祥 |
| |
作者单位: | 1. 山东理工大学建筑工程学院,山东,淄博,255049;武汉大学地球空间环境与大地测量教育部重点实验室,武汉,430079 2. 山东科技大学校长办公室,山东,青岛,266510 |
| |
基金项目: | 山东省基础地理信息与数字化技术重点实验室开放基金资助项目(SD2003-10)
山东理工大学科研基金资助项目(2004KJM10) |
| |
摘 要: | Gauss—Markov模型是多元数据分析处理工作中常用的模型,其参数估计与筛选一直是研究的热点。当Gauss—Markov模型的设计矩阵存在复共线性时,常用主成分分析方法来筛选和估计其参数,消去它们之间的复共线性,提高估计准确度。基于最小描述长度原理,提出了一种新的参数筛选估计方法。该方法应用最小描述长度原理选择主成分作为参数,其参数的可靠性较高;从信息的角度看,这种方法的信息损失最小。最后实例说明了该方法的有效性和可靠性。
|
关 键 词: | 最小描述长度 多元数据分析 Gauss—Markov模型 参数估计 复共线性 信息损失 |
文章编号: | 1006-9798(2005)01-0020-04 |
修稿时间: | 2004年8月28日 |
本文献已被 CNKI 维普 万方数据 等数据库收录! |