GPS高程拟合支持向量机模型

为了快速获取GPS高程异常值,提出了基于最小二乘支持向量机（LS—SVM）的GPS高程异常值求取模型,介绍了最小二乘支持向量机的原理与优越性。利用该模型进行了高程异常的拟合,并对已知点进行了检验。结果表明：其结果是可靠的,在有限样本情况下完全可以达到传统GPS高程拟舍的效果,且其实现起来更简单,具有一定的科学性和实用性。     

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.     

似大地水准面的支持向量机模型研究

支持向量机(SVM)是一种基于结构风险最小化原理的学习技术,也是一种新的具有较好泛化性能的回归方法.本文简要介绍了SVM原理,针对大面积复杂似大地水准面的确定问题,仅依据测区的GPS水准实测数据,利用SVM方法整体建模.通过工程实例并与神经网络模型进行对比,证实了SVM似大地水准面模型的可靠性.     

支持向量机在GPS高程异常中的应用

本文论述了支持向量机的回归算法,提出了基于支持向量机的GPS高程异常拟合方法,并在MATLAB中编制了相应的支持向量机程序,建立了相应的GPS高程异常模型.以实例数据讨论了基于支持向量机的GPS高程异常分析方法.研究表明:用支持向量机技术建立GPS高程异常模型是可行的和有效的.     

基于最小二乘支持向量机回归的GPS高程转换模型

探讨了将最小二乘估计引入到支持向量机中,给出最小二乘支持向量机回归(LS-SVR)算法,该算法用等式约束代替传统支持向量机回归中的不等式约束,使得求解过程更为简单。将构建的LS-SVR模型应用到GPS高程转换中,提出该回归模型的实现步骤。实例表明,在有限样本情况下,LS-SVR完全可以达到与传统GPS高程拟合方法相同的精度,但实现起来更简单,而且在泛化性能方面具有理论上的保证。     

粒子群最小二乘支持向量机在GPS高程拟合中的应用

针对传统的GPS高程拟合方法要求有足够多样本数据的缺陷,本文采用粒子群(PSO)算法优化最小二乘支持向量机(LSSVM)参数的方法进行GPS高程拟合。实验表明,在有限样本的情况下,PSO-LSS-VM模型不仅发挥了LSSVM处理小样本数据的能力,而且通过PSO优化后的LSSVM能够选择出合适的参数;与LM-BP神经网络、标准最小二乘支持向量机等方法比较,PSO-LSSVM模型拟合精度较高。     

运用GPS曲面拟合高程精化锦州市区似大地水准面

利用已完成的锦州市区基础控制成果对锦州市似大地水准面精化进行了研究。介绍了GPS高程的应用理论,大地水准高的计算方法以及利用曲面拟合法计算大地水准面高,并对结果进行了分析,绘制出高程异常等值线图。     

GA-BP网络模型在GPS似大地水准面精化中的应用

针对误差反向传播（BP）算法训练速度慢和易于陷入局部最小值的缺点,提出了利用遗传算法（GA）的全局寻优性,结合GA和BP的各自优点,分析和建立了进化神经网络（GA-BP）模型,并将该模型应用于似大地水准面模型精化。最后以南方某市E级GPS控制网高程数据为例,进行BP和GA-BP模型的对比实验,通过对内、外符合精度及MAPE（平均绝对误差百分比）指标分析,验证了该方法的可行性。     

阜新市区似大地水准面拟合研究

基于GPS水准的阜新市区似大地水准面拟合问题,对获得的高程异常数据采用Huber抗差估计方法剔除粗差,并运用逐点剔除法选取GPS水准拟合的已知点,提高似大地水准面的拟合精度;通过对GPS水准中5种模型的试验比较,得到建立该地区似大地水准面的最佳方案—多面函数法。经闭合差检核,精度可达到四等水准的要求。     

矿区似大地水准面拟合模型适用性分析

为提高GPS/水准数据拟合高程异常的逼近精度,利用某矿区控制网观测的GPS／水准数据,计算控制点高程异常值,分别用加权平均法、Shepard插值、多项式曲面拟合和多面函数法4种方法对矿区似大地水准面进行拟合。对各种拟合模型的原理和拟合精度进行比较分析。在此基础上,根据似大地水准面物理和几何特性,采用组合拟合的方法进一步改善似大地水准面的拟合精度,利用该模型内插高程异常值与实测GPS／水准点的高程异常值比较,其均方根误差不超过0．02m,结合GPS观测成果可以取代四等及以下几何水准测量。     

基于SVM的遥感影像的分类

传统的遥感图像的分类方法包括统计模式识别、句法模式识别、以及神经网络、遗传算法、模拟退火算法等。分析了统计模式识别的方法的优缺点,提出了使用SVM的方法进行遥感图像分类的设想,通过实验证明该方法是有效的和稳健的。     

三种高程异常拟合模型比较

将二次曲面、BP神经网络、最小二乘支持向量机应用与高程异常拟合,并用某地区数据进行了实验验证,结果表明,最小二乘支持向量机应用于高程异常拟合精度最优。     

BP神经网络在GPS高程拟合中的应用探讨

神经网络算法一直是国内外研究的热点问题,BP神经网络算法具有更小的模型误差,因此,被广泛应用于GPS高程拟合。本文通过对同一区域GPS高程拟合的应用探究,运用迭代运算对比BP神经网络算法与多项式拟合数据,从而证明BP神经网络在一定条件下具有更高的精度,更加突出了BP神经网络算法的实用性。     

城镇控制测量中GPS高程拟合分析

GPS测量的大地高精度达到了3×10-6～4×10-6,本文结合城镇控制测量对GPS高程拟合情况进行了分析。研究结果表明,通过施测少量均匀分布的GPS点的水准高程,采用BP神经网络方法拟合GPS点正常高可以部分替代水准高程或三角高程。     

浅析GPS高程拟合在城镇控制测量中的应用

GPS测量的大地高精度达到了（3～4）×10^-6,本文结合城镇控制测量对GPS高程拟合情况进行了分析。研究结果表明,通过施测少量均匀分布的GPS点的水准高程,采用BP神经网络方法拟合GPS点正常高可以部分替代水准高程或三角高程。     

GPS高程拟合中神经网络法的基本思想

高程问题一直是困扰GPS的问题之一,而不同的GPS高程拟合方法都有其适用条件,并且精度不等。本文在对人工神经网络的基本原理、神经元模型、网络结构、数据结构和训练方式等研究的基础上,给出一种新的算法(新BP算法)。以“阜新控制网改造工程”作为一个具体实例,使用Matlab语言来完成GPS高程的拟合,并与其他方法作了比较,最后给出有益的结论。     

城镇控制测量中GPS高程拟合方法分析

结合扶余城镇控制测量成果对基于BP神经网络法进行GPS高程拟合进行了分析.与二次曲面拟合结果比较分析表明,通过施测少量均匀分布GPS点水准高程,采用BP神经网络方法计算GPS点正常高具有较高的精度,在生产中具有一定的应用价值.     

基于Matlab的GPS高程异常拟合

由于似大地水准面是一个不规则的曲面,它无法用一个精准的曲面来模拟,这就使得GPS只能提供给我们高精度的大地高,而不是工程中需要的正常高,严重影响了GPS3维定位的应用发展,使其提供维坐标的优越性未能得到充分发挥。在借鉴国内外研究成果的基础上,针对我国国土面积广,地形尤为复杂,似大地水准面起伏比较大的特点,结合工程实例,对大面积区域内GPS高程异常拟合作了相应的分析和研究。     

GPS跨河水准拟合方法研究与工程实践

提出了一种GPS跨河水准拟合方法,即由GPS大地高差用BP神经网络方法拟合得到的高程异常差,求跨河点间的正常高差,并给出了利用MATLAB语言实现拟合方法的步骤。工程实例计算表明,在选用较好的神经网络结构,适合的训练函数的条件下,采用输入点的坐标差、大地高差,输出高程异常差的BP神经网络设计来进行GPS跨河点间的正常高差计算,可以达到较好的精度。     

支持向量机辅助下的智能手机行人运动模式识别

利用智能手机的内置多集成传感器作为数据采集工具,结合支持向量机（SVM）进行行人运动模式识别是智能识别领域中一个重要方法。本文针对行人静止、行走、上/下楼梯、上/下厢梯、上/下扶梯这几种常见的室内运动模式,选取有效特征,利用线性核函数SVM建立分类模型对测试数据进行了识别。试验结果表明：从所采集的行人运动模式的数据中提取13个特征,可在3 s的数据滑动窗口0.5 s数据采样间隔下,得到96.4%的识别正确率。