基于粒子群算法优化SVM的GPS高程拟合方法

作者：王建军; 章重阳

来源：北京测绘, 2021, 35(01): 83-88.

DOI：10.19580/j.cnki.1007-3000.2021.01.018

• 全球空位系统(GPS)高程拟合
• 支撑向量机(SVM)
• 粒子群算法(PSO)
• 模型优化

采用支撑向量机(Support Vector Machine,SVM)模型进行GPS高程拟合时,拟合精度受模型参数(核参数和惩罚因子)选择影响较大,传统交叉验证法存在计算复杂,易陷入局部最优的问题。本文将粒子群(Particle Swarm Optimization,PSO)算法引入SVM模型,利用PSO全局搜索能力强和收敛速度快的特点对SVM模型进行优化,提升GPS高程拟合精度的同时增强模型的泛化适应性。最后基于实际算例对所提方法的拟合性能进行验证,结果表明相对于传统交叉验证SVM模型,所提PSO-SVM模型能够获得更高的拟合精度,并且对复杂地势具有更强的适应能力。