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.     

小波技术在GPS基线解算数据预处理中的应用

采用小波技术对GPS观测数据进行处理。应用小波变换技术对GPS相位观测值进行周跳的探测和修复。GPS相位观测值可以作为时间序列来进行分析,作为时间函数,它所表现出来的是一条光滑度很好的曲线,一旦出现周跳,这种光滑性就被破坏,从发生周跳的历元开始,后继相位观测值序列发生等量阶跃,通过小波变换的信号特性检测原理,能够有效地探测出周跳的发生,这种方法对于缩小模糊度搜索空间及提高模糊度解的有效性有明显的作用,从而提高基线解算的精度。     

基于支持向量机的CBERS-02卫星影像信息提取

CBERS卫星是由中国空间技术研究院与巴西空间研究院联合研制的地球资源遥感卫星,CBERS-02卫星数据总体质量比CBERS-01卫星有所提高,本文利用支持向量机方法对CBERS-02卫星影像信息进行提取。研究中首先用6S模式对影像进行大气校正,然后选择RBF为支持向量机方法的核函数,并用交叉验证方法得到影响RBF核函数的两个最佳参数值进行学习完成信息提取,最后将提取结果制作成矢量图。通过研究得出用大气校正后的数据进行信息提取分类精度有所提高;与最大似然法和最小距离法相比,支持向量机方法分类精度较高。通过将研究结果与ETM+影像进行比较得出,CBERS-02卫星影像精度能够满足应用需求并能代替TM/ETM+数据开展研究工作。     

数字摄影测量相机在航空摄影测量及大比例尺数字化成图中的应用

分析了数字摄影测量相机(DMC)在航空摄影测量及大比例尺数字化成图中遇到的问题,如摄影比例尺的选择;数字解析空中三角测量野外像控点间航向基线数、旁向航线数、区域网总航线数的确定;摄影测量平台软件的选择;对计算机硬件的要求;摄影精度、加密精度、成图精度等.     

TEQC软件用于GPS控制网数据质量检测的研究

在分析影响GPS观测数据质量和GAMIT/GLOBK数据处理质量评价标准的基础七,通过TEQC数据质量检测软件和基线解算质量控制指标,研究三级GPS大地控制网数据质量的检测方法,并以三级GPS大地控制网观测数据为例对观测数据进行检测和评定.     

差分GPS水下定位系统的解析法网形分析

基于差分GPS水下定位系统的双曲线定位模型,推导了极坐标系下定位结果的解析表迭式,并进一步给出了水面基线网的网形、基线精度以及水声距离测量精度对定位结果影响的分析.结果表明,采用非辐射网形分布,双曲线定位模型存在明显的不稳定区;采用辐射网形基线分布,在基线网的范围内.平面定位精度较均匀;无论采用何种基线网形分布,深度方向的弱约束必然导致深度方向存在显著的误差.     

动态最小二乘支持向量机学习算法

针对大样本集的训练问题和动态训练样本的模型更新问题,提出了动态最小二乘支持向量机学习算法.该算法充分利用已建好的模型,逐渐加入新样本,并可删除位于任何位置的非支持向量,避免了矩阵求逆运算,保证了算法的高效率.大坝变形及电离层延迟两个时间序列的预报实例表明,该算法具有计算时间短、预报精度高的特点.     

一种改进的GPS随机模型建模方法

针对观测序列的异方差和时相关特性相互影响但又难以并行建模的问题,提出了一种迭代、序贯处理异方差和时相关问题的随机模型建模方案.实验结果显示,该方法较好地解决了异方差和时相关特性无法并行建模的难题.极大地消除了多路径及系统残余误差对GPS定位成果的影响,增加了基线数据处理的可靠性.     

利用信噪比削弱多路径误差的方法研究

多路径效应是卫星导航定位中重要的误差源,在分析多路径效应的产生原理以及多路径效应与信噪比相关性的基础上,提出了可利用信噪比削弱多路径效应的方法,并利用自测的GPS观测数据进行了验证.     

基于改进PSO-SVM的噪声稳健建筑物变形监测方法

对高层、超高层建筑物进行实时,高精度的变形监测对提前预防安全隐患,保证人民生命财产安全具有重要意义。建筑物变形作为一种典型的随机性和微弱性过程,噪声等误差的存在会影响从中提取有用的变形信息。针对该问题,提出一种改进粒子群(Particle Swarm Optimization,PSO)算法优化支持向量机(Support Vector Machine,SVM)的噪声稳健建筑物变形监测方法,利用改进PSO算法的全局搜索能力对SVM的核参数进行优化,提升预测精度的同时增强算法的噪声稳健性。基于实测数据的试验结果表明,相对于传统交叉验证SVM和小波方法,所提方法可以获得更高的变形预测精度,并且在低信噪比条件下优势更加明显。