《實用測量數據處理方法(第2版)》共分八章，分別為參數估計及統計檢驗，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，傅立葉分析與小波分析，神經網路與遺傳算法，空間信息統計學基礎。與第一版相比，《實用測量數據處理方法(第2版)》的修訂去掉了有限元方法和分布擬合檢驗兩章，增加了小波分析、神經網路與遺傳算法和空間信息統計學基礎，充實了有偏估計、半參數估計和整體最小二乘平差、擬合推估等現代測量平差方法，並增加了二元函式插值和基於正交函式系的擬合方法等測量所需的插值與擬合方法。各章附有相關例題和習題，便於讀者的理解。
基本介紹
- 書名：實用測量數據處理方法
- 作者：沈雲中 陶本藻
- 出版日期：2012年8月1日
- 語種：簡體中文
- ISBN：9787503026904
- 品牌：中國地圖
- 外文名：Practial Methods for Surveying Data Processing
- 出版社：測繪出版社
- 頁數：217頁
- 開本：16
- 定價：36.00
內容簡介,圖書目錄,
內容簡介
《實用測量數據處理方法(第2版)》的特點是強調常用近代數據處理的實用性，且著眼於現代測繪技術及其發展的需求，充實新的理論與方法。《實用測量數據處理方法(第2版)》可供測繪和相關學科的學生和專業技術人員參考。
圖書目錄
第1章參數估計及統計檢驗
1.1概述
1.2參數估計原理
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插值多項式的餘項
2.5埃爾米特插值
2.6樣條函式插值
2.7二元函式插值
習題
第3章回歸與擬合分析
3.1概述
3.2線性回歸分析
3.3最優回歸方程的選擇
3.4非線性回歸分析
3.5基於正交函式系的擬合方法
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附加系統參數的平差
4.4有偏估計
4.5半參數估計原理
4.6擬合推估
習題
第5章時間序列分析
5.1隨機過程與時間序列的概念
5.2時間序列的隨機線性模型
5.3線性模型的自相關函式和偏相關函式
5.4模型的初步認識
5.5模型參數的最小二乘估計
5.6模型的檢驗和改進
5.7時間序列的預報
習題
第6章傅立葉分析與小波分析
6.1概述
6.2傅立葉變換及其性質
6.3離散傅立葉變換
6.4小波與小波變換
6.5離散小波變換
6.6多分辨分析與Mallat算法
習題
第7章神經網路與遺傳算法
7.1神經網路
7.2神經網路算法
7.3遺傳算法原理
7.4用遺傳算法最佳化神經網路
習題
第8章空間信息統計學基礎
8.1空間信息統計學概述
8.2變異函式與變異曲線
8.3普通克里金法
8.4泛克里金法
8.5協同克里金法
習題
參考文獻
1.1概述
1.2參數估計原理
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插值多項式的餘項
2.5埃爾米特插值
2.6樣條函式插值
2.7二元函式插值
習題
第3章回歸與擬合分析
3.1概述
3.2線性回歸分析
3.3最優回歸方程的選擇
3.4非線性回歸分析
3.5基於正交函式系的擬合方法
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附加系統參數的平差
4.4有偏估計
4.5半參數估計原理
4.6擬合推估
習題
第5章時間序列分析
5.1隨機過程與時間序列的概念
5.2時間序列的隨機線性模型
5.3線性模型的自相關函式和偏相關函式
5.4模型的初步認識
5.5模型參數的最小二乘估計
5.6模型的檢驗和改進
5.7時間序列的預報
習題
第6章傅立葉分析與小波分析
6.1概述
6.2傅立葉變換及其性質
6.3離散傅立葉變換
6.4小波與小波變換
6.5離散小波變換
6.6多分辨分析與Mallat算法
習題
第7章神經網路與遺傳算法
7.1神經網路
7.2神經網路算法
7.3遺傳算法原理
7.4用遺傳算法最佳化神經網路
習題
第8章空間信息統計學基礎
8.1空間信息統計學概述
8.2變異函式與變異曲線
8.3普通克里金法
8.4泛克里金法
8.5協同克里金法
習題
參考文獻
