一种改进的RBF神经网络GPS高程拟合方法

摘要

利用RBF神经网络进行GPS高程拟合时,隐层节点数和径向基散布常数的确定对最终拟合结果影响较大.本文提出一种改进的RBF神经网络高程拟合方法,首先利用基于密度的聚类(DBSCAN)算法自动确定隐层节点数,在此基础上建立测试区域GPS高程数据的似然函数,利用贝叶斯准则(BIC)实现对径向基常数的自动选择.最后基于实际数据的试验结果表明相对于传统BP神经网络拟合算法,所提方法具有更高的拟合精度.