科研之友
微信
新浪微博
Facebook
分享链接
摘要
高程异常值的快速、准确获取是GPS高程数据得到应用的前提。本文提出一种基于RBF神经网络的GPS高程拟合方法，针对RBF基函数中心的确定以及网络模型参数的选择问题，采用K-means算法自适应的实现对RBF基函数中心的选择，在此基础上利用AIC准则完成对网络模型参数的自动寻优，最后采用实际数据对所提方法进行验证，并与传统BP神经网络拟合方法进行对比，实验结果表明所提方法可以获得更好的拟合精度。
- 单位
高程异常值的快速、准确获取是GPS高程数据得到应用的前提。本文提出一种基于RBF神经网络的GPS高程拟合方法，针对RBF基函数中心的确定以及网络模型参数的选择问题，采用K-means算法自适应的实现对RBF基函数中心的选择，在此基础上利用AIC准则完成对网络模型参数的自动寻优，最后采用实际数据对所提方法进行验证，并与传统BP神经网络拟合方法进行对比，实验结果表明所提方法可以获得更好的拟合精度。
