测绘科学

2010, v.35;No.167(05) 190-192

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

粒子群最小二乘支持向量机在GPS高程拟合中的应用
Application of least squares support vector machines in GPS elevation fitting based on particle swarm optimization

黄磊;张书毕;王亮亮;张秋昭;

摘要(Abstract):

针对传统的GPS高程拟合方法要求有足够多样本数据的缺陷,本文采用粒子群(PSO)算法优化最小二乘支持向量机(LSSVM)参数的方法进行GPS高程拟合。实验表明,在有限样本的情况下,PSO-LSS-VM模型不仅发挥了LSSVM处理小样本数据的能力,而且通过PSO优化后的LSSVM能够选择出合适的参数;与LM-BP神经网络、标准最小二乘支持向量机等方法比较,PSO-LSSVM模型拟合精度较高。

关键词(KeyWords): 粒子群(PSO)算法;最小二乘支持向量机(LSSVM);高程异常;GPS高程拟合

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 黄磊;张书毕;王亮亮;张秋昭;

Email:

DOI: 10.16251/j.cnki.1009-2307.2010.05.034

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享