位置:成果数据库 > 期刊 > 期刊详情页
基于LS-SVM和BP神经网络组合模型的GPS高程拟合
  • ISSN号:1674-9057
  • 期刊名称:《桂林理工大学学报》
  • 时间:0
  • 分类:P228.4[天文地球—大地测量学与测量工程;天文地球—测绘科学与技术] P216[天文地球—测绘科学与技术]
  • 作者机构:[1]桂林理工大学 测绘地理信息学院, [2]桂林理工大学 广西空间信息与测绘重点实验室,广西桂林541004, [3]武汉大学测绘学院,武汉430079
  • 相关基金:国家自然科学基金项目(41064001);广西自然科学基金项目(2012GXNSFAA053183;2012GXNSFGA060001);广西研究生教育创新计划项目(YCSZ2013077);广西空间信息与测绘重点实验室项目(桂科能1103108-06);广西矿冶与环境科学实验中心项目(KH2012ZD004);广西“八桂学者”岗位专项经费项目;研究生教育创新计划项目(YCSZ2012083)
中文摘要:

提出了最小二乘支持向量机(LS-SVM)与BP神经网络的最优加权组合模型。通过实测数据对比分析了LS-SVM、BP神经网络、基于总体最小二乘算法(TLS)的二次多项式曲面拟合和最优加权组合模型的精度,结果表明最优加权组合模型的精度优于其他模型。

英文摘要:

The optical weighting combined model of LS-SVM and BP Neural network is proposed.According to the measured data,the accuracy of LS -SVM model,BP Neural network model,Quadratic polynomial curve surface fitting based on total least-square algorithm and optimal weighting combined model are compared and analyzed.Test results show that the precision of optimal weighting combined model is better than others.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《桂林理工大学学报》
  • 中国科技核心期刊
  • 主管单位:桂林理工大学
  • 主办单位:桂林理工大学
  • 主编:张学洪
  • 地址:广西桂林市建干路12号
  • 邮编:541004
  • 邮箱:xbz@glite.edu.cn
  • 电话:0773-5896423
  • 国际标准刊号:ISSN:1674-9057
  • 国内统一刊号:ISSN:45-1375/N
  • 邮发代号:48-7
  • 获奖情况:
  • 2007年获第六届广西十佳自然科学期刊,2008年获第二届中国高校优秀科技期刊,2009年获第七届广西优秀自然科学期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘(网络版),美国剑桥科学文摘,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:1207