| 
  中国学术期刊网络出版总库
  关闭
DEM构建的加权最小二乘支持向量机算法  
   推荐 CAJ下载 PDF下载
【英文篇名】 Robust Algorithm of Weighted Least Squares Support Vector Machine and Its Application in DEM
【下载频次】 ★★
【作者】 李明飞; 陈传法; 戴洪磊; 李翼龙; 李宇航;
【英文作者】 LI Mingfei;
【作者单位】 山东科技大学测绘科学与工程学院;
【文献出处】 地理空间信息 , Geospatial Information, 编辑部邮箱 2015年 06期  
期刊荣誉：ASPT来源刊  CJFD收录刊
【中文关键词】 LSSVM; 粗差; 抗差; DEM; LSSVM-W;
【英文关键词】 LSSVM; gross error; robust; DEM; LSSVM-W;
【摘要】 为了减少采样点中的粗差对DEM构建精度的影响,将最小二乘支持向量机(LSSVM)运用到DEM中,发展了一种DEM构建的新算法,即加权最小二乘支持向量机(LSSVM-W)。LSSVM-W以LSSVM为基础,依据LSSVM计算的拉格朗日系数阵α求出各误差变量的权重系数,再求出更好的拉格朗日系数阵α,这样迭代多次,最终获得满足拟合精度的系数阵α。文中以数值模拟曲面为研究对象,分析并比较了当采样误差为不同污染率的正态分布时LSSVM与LSSVM-W模拟结果的精度。模拟结果表明,LSSVM-W的抗差性优于LSSVM,是一种较好的DEM构建方法。
【英文摘要】 A robust algorithm of weighted least squares support vector machine(LSSVM-W) was developed to reduce the effect of outliers on DEM construction. LSSVM-W used the result(parameters array α) of the LSSVM as the initial values to compute the weights of sampling points. Then, a iteratively LSSVM-W was formed to compute a more perfect parameters array. A synthetic surface was employed to comparatively analyze the estimation accuracies of LSSVM and LSSVM-W,where the sampling points were contaminated by the standa...
【基金】 山东省泰山学者建设工程专项经费资助项目
【更新日期】 2016-01-15
【分类号】 P208
【正文快照】 在采集数据时,由于各种条件限制造成采样数据中含有粗差,进而导致DEM[1]失真,甚至完全不能使用。为了用含粗差的数据构建出与实际地形相符合的DEM,相关科研人员提出了一系列的方法,如自适应抗差最小二乘估计方法[2]和基于最小绝对偏差的多面函数抗差方法[3]等。SVM是以结构风险

xxx
【读者推荐文章】中国期刊全文数据库
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
点击下列相关研究机构和相关文献作者，可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献，使您全面了解该机构和该作者的研究动态和历史。
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献，从上层导航可以浏览更多相关领域的文献。

天文学、地球科学
　 测绘学
　　 一般性问题
　　　 测绘数据库与信息系统
  
 
  CNKI系列数据库编辑出版及版权所有：中国学术期刊(光盘版)电子杂志社
中国知网技术服务及网站系统软件版权所有：清华同方知网(北京)技术有限公司
其它数据库版权所有：各数据库编辑出版单位（见各库版权信息）
京ICP证040431号    互联网出版许可证 新出网证（京）字008号