測量平差之附有參數的條件平差

在正式開始正題以前，先引述一下模式可分性的Cover定理： 假設空間不是稠密分佈的，將複雜的模式分類問題非線性地投射到高維空間將比投射到低維空間更多是線性可分的。 Cover定理在機器學習中較常被說起，好比：支持向量機。但因爲平差的對象空間通常是稠密的，此定理彷佛不太適合於這裏，但原理是相通的，也就是低維空間的問題一一投射到高維空間每每能獲得更好的解決方案。從數學角度上講，上面的增長空間的維度和本

>>阅读原文<<