| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-29页 |
| ·空间数据质量控制的意义与研究背景 | 第12-13页 |
| ·影响空间数据质量的因素 | 第13-17页 |
| ·空间数据不确定性研究现状 | 第17-21页 |
| ·位置不确定性研究现状 | 第18-20页 |
| ·属性不确定性研究现状 | 第20页 |
| ·时域不确定胜研究现状 | 第20页 |
| ·逻辑不一致性和空间数据的完整性研究现状 | 第20-21页 |
| ·空间数据质量控制研究现状 | 第21-26页 |
| ·空间数据生产过程的质量控制 | 第21-25页 |
| ·数字成果质量的检验与评价 | 第25-26页 |
| ·空间数据不确定性和质量控制研究存在的问题 | 第26-27页 |
| ·本文研究的主要内容 | 第27-29页 |
| 第二章 空间数据误差纠正的函数模型拟合法 | 第29-50页 |
| ·概述 | 第29-30页 |
| ·函数模型拟合法 | 第30-37页 |
| ·基本原理 | 第30-34页 |
| ·精度估计 | 第34页 |
| ·算例与分析 | 第34-37页 |
| ·顾及先验信息的函数模型拟合法 | 第37-41页 |
| ·同时顾及控制点与图像点误差的函数模型拟合法 | 第38-40页 |
| ·控制点固定的误差拟合法 | 第40-41页 |
| ·系统误差参数的抗差拟合法 | 第41-49页 |
| ·异常影响诊断法 | 第41-42页 |
| ·抗差估计法 | 第42-43页 |
| ·顾及系统参数先验信息的抗差拟合法 | 第43-45页 |
| ·算例与分析 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 第三章 拟合推估法及其在空间数据质量控制中的应用 | 第50-73页 |
| ·概述 | 第50页 |
| ·拟合推估法 | 第50-63页 |
| ·基本原理 | 第50-53页 |
| ·协方差函数的拟合 | 第53页 |
| ·协方差函数误差对拟合推估解的影响 | 第53-57页 |
| ·算例与分析 | 第57-63页 |
| ·两步极小拟合推估 | 第63-65页 |
| ·两步极小拟合推估原理 | 第63-64页 |
| ·两步极小拟合推估解式 | 第64-65页 |
| ·算例与分析 | 第65页 |
| ·抗差拟合推估 | 第65-71页 |
| ·协方差函数的抗差拟合 | 第66-68页 |
| ·抗差拟合推估的解算 | 第68-69页 |
| ·算例与分析 | 第69-71页 |
| ·本章小结 | 第71-73页 |
| 第四章 自适应拟合推估及其在空间数据质量控制中的应用 | 第73-90页 |
| ·概述 | 第73-74页 |
| ·拟合推估残差与真误差的关系 | 第74-75页 |
| ·基于方差分量估计的拟合推估 | 第75-83页 |
| ·基于Helmert方差分量估计的拟合推估 | 第76-79页 |
| ·基于极大似然估计的拟合推估 | 第79-81页 |
| ·基于MINQUE方差分量估计的拟合推估 | 第81-83页 |
| ·自适应拟合推估 | 第83-89页 |
| ·自适应拟合推估原理 | 第83-84页 |
| ·自适应因子的构造与选择 | 第84-85页 |
| ·自适应因子对拟合推估解的影响 | 第85-86页 |
| ·计算与分析 | 第86-89页 |
| ·本章小结 | 第89-90页 |
| 第五章 顾及约束条件的拟合推估法及其在空间数据质量控制中的应用 | 第90-105页 |
| ·概述 | 第90-91页 |
| ·顾及约束条件的函数模型拟合法 | 第91-96页 |
| ·具有约束条件的参数解模型 | 第91-92页 |
| ·条件方程形式 | 第92-95页 |
| ·分步平差解法 | 第95-96页 |
| ·顾及约束条件的拟合推估法 | 第96-100页 |
| ·信号向量之间的约束 | 第96-98页 |
| ·未知参数之间的约束 | 第98-99页 |
| ·未知参数和随机信号之间的约束 | 第99-100页 |
| ·计算与分析 | 第100-104页 |
| ·扫描地形图的全局纠正 | 第100-102页 |
| ·建筑物的二次纠正 | 第102-104页 |
| ·本章小结 | 第104-105页 |
| 第六章 BP神经网络及其在空间数据质量控制中的应用 | 第105-122页 |
| ·概述 | 第105-106页 |
| ·人工神经网络基本原理 | 第106-109页 |
| ·神经元模型 | 第106-107页 |
| ·学习规则 | 第107-108页 |
| ·人工神经网络的分类 | 第108页 |
| ·人工神经网络的基本特征 | 第108-109页 |
| ·BP神经网络原理及算法 | 第109-118页 |
| ·BP神经网络结构 | 第109-110页 |
| ·BP学习算法 | 第110-115页 |
| ·BP神经网络算法的改进 | 第115-116页 |
| ·基于抗差估计的BP神经网络 | 第116-118页 |
| ·神经网络在空间数据质量控制中的应用 | 第118-120页 |
| ·本章小结 | 第120-122页 |
| 第七章 空间数据的最小曲率拟合法 | 第122-142页 |
| ·最小曲率基本原理 | 第122-125页 |
| ·最小曲率曲面的有限差分逼近 | 第125-132页 |
| ·Laplace方程与Poisson方程的有限差分逼近 | 第125-131页 |
| ·重调和方程边值问题的有限差分逼近 | 第131-132页 |
| ·最小曲率曲面的有限元逼近 | 第132-139页 |
| ·Laplace方程边值问题的有限元逼近 | 第133-137页 |
| ·Poisson方程边值问题的有限元逼近 | 第137-139页 |
| ·算例与分析 | 第139-141页 |
| ·本章小结 | 第141-142页 |
| 第八章 空间数据内插与平滑算法改进 | 第142-164页 |
| ·概述 | 第142-143页 |
| ·空间数据的简单拟合与内插 | 第143-148页 |
| ·加权平均法 | 第143-144页 |
| ·等价权平均法 | 第144-145页 |
| ·算例分析 | 第145-147页 |
| ·几点结论 | 第147-148页 |
| ·抗差趋势面拟合 | 第148-150页 |
| ·趋势面最小二乘拟合 | 第148-149页 |
| ·模型阶数的确定与检验 | 第149页 |
| ·抗差趋势面拟合 | 第149-150页 |
| ·多面函数内插 | 第150-163页 |
| ·基本原理 | 第150-151页 |
| ·核函数的选择 | 第151-156页 |
| ·平滑因子的确定 | 第156-158页 |
| ·中心点的选取 | 第158-163页 |
| ·本章小结 | 第163-164页 |
| 第九章 结论与未来工作设想 | 第164-168页 |
| ·结论 | 第164-166页 |
| ·未来工作设想 | 第166-168页 |
| 参考文献 | 第168-181页 |
| 攻读博士学位期间的主要研究成果 | 第181-183页 |
| 致谢 | 第183-184页 |
