DEM构建的加权最小二乘支持向量机抗差算法

摘要

数字高程模型(DEM)以数字形式记录地球表面的地形地貌，并能够利用这些数字信息对地表进行模拟，是地理信息系统快速发展的基础之一。在高效计算机技术的推动下，DEM的应用范围越来越广泛。但因各种条件的限制，采集到的DEM数据中不可避免的含有粗差，进而影响DEM的精度。精度是每个DEM项目首先需要考虑的最重要因素。如果DEM成果达不到给定的精度要求，整个DEM项目就必须重新返工。因此，粗差处理在DEM中具有非常重要的意义。
　　本文以DEM构建的加权最小二乘支持向量机抗差算法为研究重点，归纳总结了DEM数据的获取方法。研究了LSSVM-W参数常用的几种寻优方法，提出了针对大数据量的变异局部寻优算法。通过不同算法的寻优实验结果的对比分析，总结了变异局部寻优算法的优点。比较分析了常用几种权函数的特点，为LSSVM-W选取了最优的权函数。将加权最小二乘支持向量机运用到DEM的构建中，并通过实验对比验证了算法的可行性和抗差性。

目录

声明

摘要

1 绪论

1．1 研究背景

1．2 国内外研究现状、发展动态

1．3 研究的目的及意义

1．4 论文内容及组织结构

2 数字高程模型基本知识

2．1 数字高程模型定义

2．2 数字高程模型特点

2．3 数字高程模型的表示方法

2．4 数字高程模型的数据获取

2．5 DEM的误差来源

2．6 数字高程模型用途

2．7 本章小结

3 加权最小二乘支持向量机理论基础知识

3．1 统计学相关理论知识

3．2 支持向量机回归模型

3．3 核函数

3．4 最小二乘支持向量机

3．5 加权最小二乘支持向量机

3．6 本章小结

4 LSSVM-W参数优化研究

4．1 LSSVM-W的参数

4．2 评价预测模型的性能指标

4．3 常用的三种优化方法

4．4 实验分析

4．5 本章小结

5 LSSVM-W在DEM中的应用

5．1 权函数的选择

5．2 程序运行环境及数据的选择

5．3 实验

5．4 本章小结

6 结论与展望

6．1 结论

6．2 展望

致谢

参考文献