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。...
Saved in:
Published in | Ce hui xue bao Vol. 40; no. 1; pp. 22 - 27 |
---|---|
Main Author | |
Format | Journal Article |
Language | Chinese |
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 Access | Get full text |
ISSN | 1001-1595 |
Cover
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 |