CPSO优化FLS-SVM应用于山区地形的GPS高程拟合研究

测绘通报 ›› 2014, Vol. 0 ›› Issue (4): 5-9.

CPSO优化FLS-SVM应用于山区地形的GPS高程拟合研究

甘勇^1,3，刘新新²，郑远攀^1,3

1. 郑州轻工业学院计算机与通信工程学院；2. 郑州师范学院；3. 应急平台信息技术河南省工程实验室

收稿日期:2012-12-13 出版日期:2014-04-25 发布日期:2014-05-14
基金资助:
国家自然科学基金（61163017）；郑州市科技创新团队（112PCXTD344）；郑州轻工业学院博士科研基金（2010BSJJ006）

A Search of GPS Height Fitting in Mountainous Terrain by CPSO Optimizing FLS-SVM

Received:2012-12-13 Online:2014-04-25 Published:2014-05-14

摘要/Abstract

摘要：

针对山区样本数据有限的情况，提出一种支持小样本数据处理和高抗噪声能力的模糊最小二乘支持向量机（FLS-SVM）方法。采用基于混沌粒子群（CPSO）的向量机模型参数优化方法，避免了人为参数选择的不确定性，并考虑山区地形起伏的影响，引入地形改正量构建支持向量机训练模型。试验结果表明，考虑地形起伏在内的基于CPSO优化的FLS-SVM模型与传统拟合算法如PSO-LSSVM和GA-LSSVM相比，能够利用有限样本获得更高精度的拟合效果，适用于SRTM正高数据获得正常高的应用中。

关键词: 模糊最小二乘支持向量机, 混沌粒子群优化, 地形改正, 高程异常

中图分类号:

P223

甘勇刘新新郑远攀. CPSO优化FLS-SVM应用于山区地形的GPS高程拟合研究[J]. 测绘通报, 2014, 0(4): 5-9.

[1]	吕建伟, 张志华, 张新秀, 刘祖昱. 二次曲面与最小二乘配置的组合模型在GPS高程异常拟合中的应用[J]. 测绘通报, 2020, 0(5): 127-129,133.
[2]	周贻港, 孙罗庆, 李中洲. 球面小波模型在GPS高程拟合中的应用[J]. 测绘通报, 2020, 0(12): 97-100.
[3]	蒲伦, 唐诗华, 张紫萍, 李宗婉, 张炎. 一种基于蚁群算法的山区GPS高程异常拟合方法[J]. 测绘通报, 2018, 0(8): 26-31.
[4]	黄鹤, 陈志锋, 衣鹏军. ADAS导航地图多源数据高程异常修正算法研究[J]. 测绘通报, 2018, 0(12): 52-58.
[5]	陈智伟, 张兴福, 胡波, 刘成. 利用RBF实现线状工程中GNSS高程转换的精度分析[J]. 测绘通报, 2018, 0(12): 79-82,86.
[6]	孙佳龙, 郭淑艳, 龙冰心, 秦思远. 地形熵聚类下利用多面函数拟合高程异常[J]. 测绘通报, 2018, 0(11): 86-89.
[7]	罗陶荣, 王中元, 梁宁, 马效申. 利用EGM2008模型与加权组合模型进行高程异常拟合[J]. 测绘通报, 2018, 0(1): 28-32.
[8]	周长志, 孙佳龙, 郭淑艳. 基于移动-多面函数的高程异常拟合方法[J]. 测绘通报, 2016, 0(12): 25-27,38.
[9]	张国利, 时小飞, 杨开伟, 崔磊. 网络RTK支持下的无验潮水深测量方法及其应用[J]. 测绘通报, 2016, 0(12): 140-140.
[10]	张潘, 余代俊, 张玉刚, 许馨. GPS高程拟合方法研究及精度对比试验[J]. 测绘通报, 2015, 0(9): 54-56.
[11]	史俊莉, 李生平. 考虑地形改正的GPS高程拟合研究[J]. 测绘通报, 2015, 0(7): 66-67,93.
[12]	肖杰, 张锦, 邓增兵, 闫新珠. 矿区似大地水准面精化方法研究[J]. 测绘通报, 2015, 0(2): 14-18.
[13]	罗亦泳, 姚宜斌, 张立亭, 周世健, 鲁铁定. 基于高斯过程的GPS高程转换模型[J]. 测绘通报, 2015, 0(11): 11-14,59.
[14]	孙佳龙焦明连郭淑艳. 基于双调和样条内插和高斯曲率极值的多面函数拟合高程异常方法[J]. 测绘通报, 2014, 0(6): 14-16.
[15]	杨翼飞曾丽娟. 利用Google Earth高程提取构建似大地水准面[J]. 测绘通报, 2014, 0(5): 83-85.

CPSO优化FLS-SVM应用于山区地形的GPS高程拟合研究

A Search of GPS Height Fitting in Mountainous Terrain by CPSO Optimizing FLS-SVM

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价