| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景 | 第9-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文的研究思路 | 第13页 |
| ·本文的研究内容与组织结构 | 第13-15页 |
| ·研究内容 | 第13-14页 |
| ·组织结构 | 第14-15页 |
| 第二章 测绘中关于不完全数据的常用处理方法 | 第15-29页 |
| ·删除法 | 第15页 |
| ·填补法 | 第15-19页 |
| ·单一填补法 | 第15-16页 |
| ·多重填补法 | 第16-19页 |
| ·卡尔曼滤波预测方法 | 第19-22页 |
| ·多传感器数据融合法 | 第22-25页 |
| ·多传感器线性最小方差递推融合算法 | 第23-24页 |
| ·多传感器标量加权最小二乘融合法 | 第24-25页 |
| ·多传感器加权矩阵的最小协方差矩阵融合法 | 第25页 |
| ·神经网络算法 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 EM算法原理 | 第29-34页 |
| ·EM算法原理 | 第29-31页 |
| ·广义EM算法 | 第31页 |
| ·缺失数据下EM算法的参数估计 | 第31-32页 |
| ·EM算法的性质 | 第32页 |
| ·本章小结 | 第32-34页 |
| 第四章 不完全观测平差模型的解算方法 | 第34-38页 |
| ·基于(G-M)模型的不完全测量数据的EM处理方法 | 第34-35页 |
| ·不完全测量数据EM处理方法实例分析 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 第五章 不完全观测时的高程拟合算法 | 第38-44页 |
| ·GPS高程拟合 | 第38页 |
| ·六参数GPS高程拟合数学模型 | 第38-39页 |
| ·缺失数据下基于EM算法的GPS高程拟合方法 | 第39-40页 |
| ·缺失数据下基于EM算法的GPS高程拟合实例分析 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 第六章 含有不确定信息的测量数据解算方法 | 第44-49页 |
| ·含有不确定信息的EM算法数据处理方法 | 第44-46页 |
| ·含有不确定信息的EM算法数据处理方法算例分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第七章 总结与展望 | 第49-52页 |
| ·总结 | 第49-50页 |
| ·展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间主要研究成果 | 第58页 |