粒子群最小二乘支持向量机在GPS高程拟合中的应用Application of least squares support vector machines in GPS elevation fitting based on particle swarm optimization
黄磊,张书毕,王亮亮,张秋昭
摘要(Abstract)：
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。
关键词(KeyWords)： 粒子群(PSO)算法;最小二乘支持向量机(LSSVM);高程异常;GPS高程拟合
基金项目(Foundation):
作者(Author): 黄磊,张书毕,王亮亮,张秋昭
DOI: 10.16251/j.cnki.1009-2307.2010.05.034
参考文献(References)：
- [1]徐绍铨,等.GPS测量原理及应用[M].武汉:武汉大学出版社,2003.
- [2]李炜,石连生,梁成龙.基于PSO-LSSVM的研究法辛烷值预测建模[J].化工自动化及仪表,2008,35(2):25-27.
- [3]方瑞明.支持向量机理论及其应用分析[M].北京:中国电力出版社,2007.
- [4]田玉刚,罗书明,王新洲,史培军.基于最小二乘支持向量机回归的GPS高程转换模型[J].测绘工程,2007,16(4).
- [5]求是科技.MATLAB 7.0从入门到精通[M].北京:人民邮电出版社,2006.
- [6]陈帅,等.最小二乘支持向量机的参数优化及其应用[J].华东理工大学学报(自然科学版),2008,34(2).
- [7]Yongqi Chen,Zhanxin Zhou,Qijun Chen.The Researchand Application of LS_SVM Based on Particle SwarmOptimization[C]//Proceedings of the IEEE Interna-tional Conference on Automation and Logistics.Jinan,China,2007:1115-1120.
- [8]李明,高星伟,文汉江,等.Kriging方法在GPS水准拟合中的应用[J].测绘科学,2009,34(1).