LS-SVM算法中优化训练样本对测深异常值剔除的影响

被引：33

作者：

黄贤源 ^{[1
,2
]}

翟国君 ^{[2
]}

隋立芬 ^{[1
]}

黄谟涛 ^{[2
]}

欧阳永忠 ^{[2
]}

柴洪洲 ^{[1
,2
]}

机构：

[1] 信息工程大学测绘学院

[2] 天津海洋测绘研究所

来源：

测绘学报 | 2011年 / 40卷 / 01期

关键词：

最小二乘支持向量机; 趋势面滤波; 局部样本中心距离; 测深异常值;

D O I：

暂无

中图分类号：

P229.1 [海底地形测量];

学科分类号：

070404 [天体测量学];

摘要：

在验证趋势面滤波是最小二乘支持向量机算法(LS-SVM)取特定参数解的基础上,利用LS-SVM所构造的海底趋势面对测深异常值进行剔除。为了克服LS-SVM解非稀疏性的缺点,同时抑制偏差较大的训练样本对海底趋势面构造的影响,提出一种基于局部样本中心距离的训练样本优化方法。为了检验该算法的有效性,选取实测的多波束测深数据进行验证,结果表明在训练样本优化的基础上,通过调整LS-SVM的参数可以得到更为合理的海底趋势面,测深异常值地剔除也更为有效。

引用

页码：22 / 27

页数：6

共 11 条

[1]

Least squares support vector machine classifiers [J].