區域似大地水準面確定的最小二乘支持向量機方法

支持向量機(SVM)是近年來發展起來的機器學習的新方法,它較好地解決小樣本、非線性、高維數、局部極小點等實際問題.文中研究支持向量機的拓展算法--最小二乘支持向量機(LSSVM),并將其應用于確定大面積復雜似大地水準面.通過工程實例并與神經網絡模型和二次曲面多項式擬合模型相比較,驗證確定區域似大地水準面的LSSVM方法的有效性.

作 者： 范千 張寧 FAN Qian ZHANG Ning   作者單位： 范千,FAN Qian(武漢大學,災害監測與防治研究中心,湖北,武漢,430079;武漢大學,測繪學院,湖北,武漢,430079)

張寧,ZHANG Ning(閩江學院,物理學與電子信息工程系,福建,福州,350108) 

刊 名： 測繪工程  ISTIC 英文刊名： ENGINEERING OF SURVEYING AND MAPPING  年，卷(期)： 2008 17(5)  分類號： P228.4  關鍵詞： 似大地水準面   最小二乘支持向量機   神經網絡   二次曲面多項式  

【區域似大地水準面確定的最小二乘支持向量機方法】相關文章：

區域似大地水準面模型的建立方法分析04-28

基于最小二乘支持向量機的區域GPS高程轉換組合04-30

基于最小二乘支持向量機的航材備件需求建模04-30

模糊最小二乘支持向量機在黑液波美度軟測量中的應用04-26

廣西區似大地水準面精化的研究04-27

基于最小二乘支持向量機的航空發動機故障遠程診斷04-27

徑流長期預報的支持向量機方法04-30

鐵法礦區康平煤田似大地水準面模型研究04-27

安徽省似大地水準面精化概論04-27

似大地水準面模型在城區GPS高程轉換中的應用04-28