复共线Gauss-Markov模型参数估计的最小描述长度方法.pdfVIP

维普资讯 第 2O卷第 1期 青 岛大 学 学报 (工 程 技 术 版 ) VoI．20No．1 2005年 3月 JOURNALOFQINGDAOUNIVERSITY (ETJ Mar．2005 文章编号：1006—9798(2005)01—0020—04 复共线 Gauss—Markov模型参数估计的 最小描述长度方法 史玉峰 ，靳奉祥。 (1．山东理工大学建筑工程学院，山东 淄博 255049；2．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；3．山东科技大学校长办公室，山东 青岛 266510) 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 中图分类号 ：O212．4；P207 文献标识码 ：A 多元数据分析处理工作中，Gauss-Markov模型是经常应用 的模型，其参数分析与估计方法一直是研究 的热点。众多研究人员基于最tb--乘原理对 Gauss—Markov模型参数估计进行 了研究，得到其无偏估计 ，满 秩 Gauss—Markov模型参数的有偏估计也被深入研究，并被广泛应用于多元数据分析处理中D-z3。靳奉祥等 讨论 了在保证模式描述的正确性和可靠性的前提下 ，信息损失与代价函数的和最小的描述是最佳描述[3]。 当Gauss—Markov模型的设计矩阵(观测值矩阵)存在严重的复共线性时，本文基于信息理论 ，提出了应用最 小描述长度 (minimumdescriptionlength；MDL)原理来选择主成分，对Gauss—Markov模型参数进行估计。 1 Gauss—Markov模型及其参数解算 Gauss—Markov模型E1-z3： l，= +8， 8~M VN (O， ) (1) 式中，l，为 ×1观测 向量；x为 ×P设计距阵；为P×1未知向量 (参数)；g~MVN(O，)说 明随机误差 8 的均值为 0， 为协方差阵。由模型(1)可得正则方程为 XT~一 ：xT Y (2) 由式 (2)可得 的通解 西一(xT x) Y (3) 收稿 日期 ：2004—08—28 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(SD2003一lO)；山东理工大学科研基金资助项 目 (2004KJMlO) 作者简介：史玉峰(1965一)，男，副教授，博士，主要从事信息模式识别理论与应用 、测绘数据分析处理研究等。E—mail：shyf~(sdut- edu．cn 维普资讯 第 1期 史玉峰 ，等：复共线 Gauss—Markov模型参数估计的最小描述长度方法 21 当 满足 SSR= lly一 l