Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

XuetangX

测量数据处理理论与方法

via XuetangX

Overview

       为测绘类硕士研究生开设测量数据处理理论和方法的课程是非常必要的,专家们出版了多本相关的教材和专著,如陶本藻教授编著的《广义测量平差》、邱卫宁教授编著的《测量数据处理理论与方法》、张勤教授编著的《近代测量数据处理》、刘大杰教授的《实用测量数据处理方法》等。

      在这些宝贵资料的基础上,结合我校研究生培养实际工作,我们录制了本课程。主要学习内容包括:误差理论、经典测量平差模型、假设检验、参数估计、秩亏自由网平差、总体最小二乘平差模型、回归分析、时间序列数据分析、卡尔曼滤波。

       通过本课程的学习有助于研究生理解测量数据处理的理论和常用方法,了解测量数据处理的最新发展动向,提高学生的数据处理能力,为测绘类各种新的研究方向提供扎实的数理基础和理论支持。

Syllabus

  • 第一章 测量数据处理概论
    • 1.1 测量误差与衡量精度的指标
    • 1.2 精度及协方差传播律
    • 1.3 经典测量平差
    • 1.4 假设检验
  • 第二章 参数估计
    • 2.1 参数估计引言
    • 2.2 极大似然估计和最小二乘估计
    • 2.3 极大验后估计和最小方差估计
    • 2.4 参数估计总结
  • 第三章 秩亏自由网平差
    • 3.1 秩亏自由网平差概述
    • 3.2 秩亏自由网平差原理
    • 3.3 秩亏自由网平差模型解算
    • 3.4 秩亏自由网平差例题
    • 3.5 拟稳平差
    • 3.6 基准变换
  • 第四章 总体最小二乘估计
    • 4.1 总体最小二乘估计
  • 第五章 数据探测与稳健估计
    • 5.1 粗差探测
    • 5.2 稳健估计
  • 第六章 回归分析
    • 6.1 回归分析引言
    • 6.2 一元线性回归分析1
    • 6.3 一元线性回归分析2
    • 6.4 多元线性回归分析1
    • 6.5 多元线性回归分析2
    • 6.6 案例
  • 第七章 时间序列分析
    • 7.1 时间序列基本概念
    • 7.2 时间序列模型
    • 7.3 自回归模型
  • 第八章 卡尔曼滤波
    • 8.1 卡尔曼滤波概述
    • 8.2 卡尔曼滤波模型
    • 8.3 卡尔曼滤波示例
  • 期末考试

    Taught by

    Nanjing University of Information Science & Technology

    Reviews

    Start your review of 测量数据处理理论与方法

    Never Stop Learning.

    Get personalized course recommendations, track subjects and courses with reminders, and more.

    Someone learning on their laptop while sitting on the floor.