粒子群最小二乘支持向量机在GPS高程拟合中的应用

被引：29

作者：

黄磊 ^{[1
]}

张书毕 ^{[1
,2
]}

王亮亮 ^{[3
]}

张秋昭 ^{[1
]}

机构：

[1] 中国矿业大学环境与测绘学院

[2] 江苏省资源环境信息工程重点实验室

[3] 河南理工大学资源环境学院

来源：

测绘科学 | 2010年 / 35卷 / 05期

关键词：

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;

D O I：

10.16251/j.cnki.1009-2307.2010.05.034

中图分类号：

P228.4 [全球定位系统（GPS）];

学科分类号：

081105 ; 0818 ; 081802 ;

摘要：

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。

引用

页码：190 / 192

页数：3

共 7 条

[1]

支持向量机理论及其应用分析.[M].方瑞明; 著.中国电力出版社.2007,

[2]

MATLAB 7.0从入门到精通.[M].求是科技编著.人民邮电出版社.2006,

[3]

GPS测量原理及应用.[M].徐绍铨等编著;.武汉大学出版社.2003,

[4] Kriging方法在GPS水准拟合中的应用 [J].

李明 ;

高星伟 ;

文汉江 ;

王军 .

测绘科学, 2009, 34 (01) :106-107+94

[5] 最小二乘支持向量机的参数优化及其应用 [J].

陈帅 ;

朱建宁 ;

潘俊 ;

侍洪波 .

华东理工大学学报(自然科学版), 2008, (02) :278-282

[6] 基于PSO-LSSVM的研究法辛烷值预测建模 [J].

李炜 ;

石连生 ;

梁成龙 .

化工自动化及仪表, 2008, (02) :25-27+31

[7] 基于最小二乘支持向量机回归的GPS高程转换模型 [J].

田玉刚 ;

罗书明 ;

王新洲 ;

史培军 .

测绘工程, 2007, (04) :18-21

← 1 →