区域似大地水准面确定的最小二乘支持向量机方法

区域似大地水准面确定的最小二乘支持向量机方法

支持向量机(SVM)是近年来发展起来的机器学习的新方法,它较好地解决小样本、非线性、高维数、局部极小点等实际问题.文中研究支持向量机的拓展算法--最小二乘支持向量机(LSSVM),并将其应用于确定大面积复杂似大地水准面.通过工程实例并与神经网络模型和二次曲面多项式拟合模型相比较,验证确定区域似大地水准面的LSSVM方法的有效性.

作 者： 范千 张宁 FAN Qian ZHANG Ning   作者单位： 范千,FAN Qian(武汉大学,灾害监测与防治研究中心,湖北,武汉,430079;武汉大学,测绘学院,湖北,武汉,430079)

张宁,ZHANG Ning(闽江学院,物理学与电子信息工程系,福建,福州,350108) 

刊 名： 测绘工程  ISTIC 英文刊名： ENGINEERING OF SURVEYING AND MAPPING  年，卷(期)： 2008 17(5)  分类号： P228.4  关键词： 似大地水准面   最小二乘支持向量机   神经网络   二次曲面多项式  

【区域似大地水准面确定的最小二乘支持向量机方法】相关文章：

区域似大地水准面模型的建立方法分析04-28

基于最小二乘支持向量机的区域GPS高程转换组合04-30

基于最小二乘支持向量机的航材备件需求建模04-30

模糊最小二乘支持向量机在黑液波美度软测量中的应用04-26

广西区似大地水准面精化的研究04-27

基于最小二乘支持向量机的航空发动机故障远程诊断04-27

径流长期预报的支持向量机方法04-30

铁法矿区康平煤田似大地水准面模型研究04-27

安徽省似大地水准面精化概论04-27

似大地水准面模型在城区GPS高程转换中的应用04-28