基于SVR的GPS高程拟合模型研究

被引：17

作者：

丛康林

岳建平

机构：

[1] 河海大学测绘科学与工程系

来源：

测绘通报 | 2011年 / 02期

关键词：

SVR; GPS高程拟合; 高程异常;

D O I：

暂无

中图分类号：

P228.4 [全球定位系统（GPS）];

学科分类号：

081105 ; 0818 ; 081802 ;

摘要：

研究基于支持向量机回归(SVR)的GPS高程拟合模型,介绍SVR的基本原理,在选择不同样本量的情况下与多项式曲面拟合方法进行比较。试验结果表明,支持向量机回归方法的精度优于曲面拟合方法,尤其在小样本条件下,能够利用有限的样本信息获得最好的学习效果和泛化能力,比常规方法更具优越性。

引用

页码：8 / 11

页数：4

共 7 条

[1] 补偿最小二乘在GPS高程拟合中的应用及平滑参数的选取 [J].

徐长海 ;

吴良才 ;

高宁 ;

高彩云 .

矿山测量, 2009, (01) :44-46

[2] 基于支持向量机SVR的黄河凌汛预报方法 [J].

李亚伟 ;

陈守煜 ;

韩小军 .

大连理工大学学报, 2006, (02) :272-275

[3]

支持向量机若干问题的研究[D]. 安金龙.天津大学. 2004

[4]

数据挖掘中的新方法[M]. 科学出版社 , 邓乃扬, 2004

[5]

支持向量机导论[M]. 电子工业出版社 , (英)NelloCristianini, 2004

[6]

GPS测量原理及其应用[M]. 人民交通出版社 , 胡伍生, 2002

[7]

An Empirical Assessment of Kernel Type Performance for Least Squares Support Vector Machine Classifiers .2 Baesens,B,Viaene,S,Gestel,T.van,Suykens,J,Dedene,G,Moor,B. de,Vanthienen,J. Proceedings of the Fourth International Conference on Knowledge-Based Intelligent Engineering Systems & Allied Technologies(KES‘2000) . 2000

← 1 →