基于AIC准则的RBF神经网络在GPS高程拟合中的应用

本文采用AIC准则优化RBF神经网络参数的方法进行GPS高程拟合,在建立网络模型过程中,对不同的聚类半径由最近邻聚类法求出不同类别的聚类数目及相应的聚类中心和初始扩展常数,通过对不同类别分别进行调整扩展常数的网络训练,求出其最小AIC值,再根据AIC准则确定结构最优的RBF网络模型。实验结果表明:这种方法为确定最优RBF网络模型的隐节点数目及相应参数提供了途径;拟合精度较高,在较平坦测区可以替代三等水准测量。     

改进的软阈值法去噪效果分析

本文针对固定阈值法对信号去除噪声会出现"过扼杀"小波系数的现象,提出一种改进的阈值公式,进而给出改进的软阈值法。理论分析、工程实例的结果表明:改进的软阈值法无论在去噪效果上,还是在信噪比和均方根误差意义上均优越于硬、软阈值法,同时还有效地克服了软阈值中的估计小波系数和带噪小波系数间的恒定偏差问题。     

基于AIC准则的RBF神经网络在GPS高程拟合中的应用

本文采用AIC准则优化RBF神经网络参数的方法进行GPS高程拟合,在建立网络模型过程中,对不同的聚类半径由最近邻聚类法求出不同类别的聚类数目及相应的聚类中心和初始扩展常数,通过对不同类别分别进行调整扩展常数的网络训练,求出其最小AIC值,再根据AIC准则确定结构最优的RBF网络模型。实验结果表明:这种方法为确定最优RBF网络模型的隐节点数目及相应参数提供了途径;拟合精度较高,在较平坦测区可以替代三等水准测量。     

Helmert方差分量估计的虚拟观测法

本文挖掘先验信息作为虚拟观测并与实际观测建立联合误差模型,对此模型利用Helmert方差分量估计理论求解。通过模拟算例、工程实例的对比和分析,得出了该法对参数的拟合效果优于最小二乘法、补偿最小二乘法,论证了其在物理解释方面和拟合效果方面的可行性和有效性。