实用测量数据处理方法 第二版
出版时间：2012年版
内容简介
　　《实用测量数据处理方法（第2版）》共分八章，分别为参数估计及统计检验，插值计算，回归与拟合分析，抗差估计、有偏估计及拟合推估，时间序列分析，傅里叶分析与小波分析，神经网络与遗传算法，空间信息统计学基础。与第一版相比，《实用测量数据处理方法（第2版）》的修订去掉了有限元方法和分布拟合检验两章，增加了小波分析、神经网络与遗传算法和空间信息统计学基础，充实了有偏估计、半参数估计和整体最小二乘平差、拟合推估等现代测量平差方法，并增加了二元函数插值和基于正交函数系的拟合方法等测量所需的插值与拟合方法。各章附有相关例题和习题，便于读者的理解。《实用测量数据处理方法（第2版）》的特点是强调常用近代数据处理的实用性，且着眼于现代测绘技术及其发展的需求，充实新的理论与方法。本书可供测绘和相关学科的学生和专业技术人员参考。
目录
第1章 参数估计及统计检验
1.1 概述
1.2 参数估计原理
1.3 最小二乘估计理论
1.4 整体最小二乘估计原理
1.5 统计检验
习题
第2章 插值计算
2.1 概述
2.2 拉格朗日插值
2.3 牛顿插值
2.4 插值多项式的余项
2.5 埃尔米特插值
2.6 样条函数插值
2.7 二元函数插值
习题
第3章 回归与拟合分析
3.1 概述
3.2 线性回归分析
3.3 最优回归方程的选择
3.4 非线性回归分析
3.5 基于正交函数系的拟合方法
习题
第4章 抗差估计、有偏估计及拟合推估
4.1 概述
4.2 抗差估计
4.3 附加系统参数的平差
4.4 有偏估计
4.5 半参数估计原理
4.6 拟合推估
习题
第5章 时间序列分析
5.1 随机过程与时间序列的概念
5.2 时间序列的随机线性模型
5.3 线性模型的自相关函数和偏相关函数
5.4 模型的初步认识
5.5 模型参数的最小二乘估计
5.6 模型的检验和改进
5.7 时间序列的预报
习题
第6章 傅里叶分析与小波分析
6.1 概述
6.2 傅里叶变换及其性质
6.3 离散傅里叶变换
6.4 小波与小波变换
6.5 离散小波变换
6.6 多分辨分析与Mallat算法
习题
第7章 神经网络与遗传算法
7.1 神经网络
7.2 神经网络算法
7.3 遗传算法原理
7.4 用遗传算法优化神经网络
习题
第8章 空间信息统计学基础
8.1 空间信息统计学概述
8.2 变异函数与变异曲线
8.3 普通克里金法
8.4 泛克里金法
8.5 协同克里金法
习题
参考文献




上一篇: 误差理论与测量平差 2012年版
下一篇: 数字地图综合进展