LS-SVM算法中优化训练样本对测深异常值剔除的影响

在验证趋势面滤波是最小二乘支持向量机算法(LS-SVM)取特定参数解的基础上,利用LS-SVM所构造的海底趋势面对测深异常值进行剔除。为了克服LS-SVM解非稀疏性的缺点,同时抑制偏差较大的训练样本对海底趋势面构造的影响,提出一种基于局部样本中心距离的训练样本优化方法。为了检验该算法的有效性,选取实测的多波束测深数据进行验证,结果表明在训练样本优化的基础上,通过调整LS-SVM的参数可以得到更为合理的海底趋势面,测深异常值地剔除也更为有效。...

Full description

Saved in:
Bibliographic Details
Published inCe hui xue bao Vol. 40; no. 1; pp. 22 - 27
Main Author 黄贤源 翟国君 隋立芬 黄谟涛 欧阳永忠 柴洪洲
Format Journal Article
LanguageChinese
Published 信息工程大学,测绘学院,河南,郑州,450052 2011
天津海洋测绘研究所,天津,300061%天津海洋测绘研究所,天津,300061%信息工程大学,测绘学院,河南,郑州,450052
Subjects
Online AccessGet full text
ISSN1001-1595

Cover

More Information
Summary:在验证趋势面滤波是最小二乘支持向量机算法(LS-SVM)取特定参数解的基础上,利用LS-SVM所构造的海底趋势面对测深异常值进行剔除。为了克服LS-SVM解非稀疏性的缺点,同时抑制偏差较大的训练样本对海底趋势面构造的影响,提出一种基于局部样本中心距离的训练样本优化方法。为了检验该算法的有效性,选取实测的多波束测深数据进行验证,结果表明在训练样本优化的基础上,通过调整LS-SVM的参数可以得到更为合理的海底趋势面,测深异常值地剔除也更为有效。
Bibliography:11-2089/P
LS-SVM
trend filter
part samples center distance
outliers
LS-SVM; trend filter; part samples center distance; outliers
P229
ISSN:1001-1595