共查询到20条相似文献，搜索用时 125 毫秒
1.
??????????GPS?????е????????,??????GPS??????????????????е?????????,?????????????????????????????????GPS??????????????????????????????????????????????ò??????????????????????????????????????????????б?????????????????????????????????????? 相似文献
2.
?????????????????????????????GPS???μ?????????????????е??????? ???????????????????????????￥??????????У????ú??????????б????????????????з???????????????????????????е?????????????????????GPS????????￥???????о???????????????????????????Щ?????????????????????е????????? 相似文献
3.
???????????????????GPS?????λ???????п???????????????С???????????????GPS?????λ??????????????????????????????????????????????????????????????????????Щ??????γ?????????????????????????4??λ???????е????????????????????????????????????е?????????????GPS?????λ????????????? 相似文献
4.
???????????????????????????￡????GPS???????????????У???????????е???????????????????????????????????????????????????????????????????????????????в????з????????????????????5?????????FFT??????????в??????????????????????????????????????????????е?????????????????????????????FFT????????????????????????????????????????GPS???????????????????????????????? 相似文献
5.
GPS����վˮƽλ�Ʒ�������Է��� 总被引：1，自引：0，他引：1
GPSλ?????в???????????????????б??????????????????仯?????????????????????????????????????, ???????????????????????????????????????????м?????п??幹??????????????з????????????????????????????????????????????GPS????е????仯???????????????????????????????Ч????????????????е??????????????????????? 相似文献
6.
����GPSվ�������й���������ȡ���α���� 总被引：3，自引：2，他引：1
??????????GPS???????????????е???????????????????????α??????????????á??????????????PCA????Karhunen??Loeve?????KLE??????????????????GPS????????????????????з????????????÷??????????????6????????????????????GPS????????5?????????????У??????????Щ??????????д?????????????????????????????????е???????????????????????α??????????????????? 相似文献
7.
�������ӳٸ�����ͶӰ�������о� 总被引：2，自引：1，他引：1
????????????????????е?????????????????????????????????????????????????????????????塣?о??????е??????????????????????????????SCIGN??PBO??IGS?е??????????GPS?????????????GAM IT???????????????????????????з??????????????????Niell??GMF???????????GMF??????????????????á? 相似文献
8.
����GPS���ܶ����չ������ѧģ�� 总被引：1，自引：0，他引：1
??????GPS????????????????????????GPS????????????????????????????????????????????????????????????????????????????????????????????????;????????е?????·?????????????????????????????????????????????????????????η??????????????????? 相似文献
9.
GPS��̬���β����еĶ�·��ЧӦ�����о� 总被引：6，自引：4，他引：2
?????????Χ??????????????GPS??·??Ч????к??????????????????β????е?GPS??·??Ч?????????????????????????????顣???????????????μ???е??·??Ч?????????г??????????????????????????????????????????????????????????????????????????????????????????t????????????????????·??Ч??????????????GPS???????????????30%????? 相似文献
10.
????????????GPS????????????GPS????????е?????????????????????????????????????????С?????????????????????????????ζ???????桢???ζ???????桢??????ζ???????????????????о?????????С??????????????С?????????????С?????????и???????????????????????????????е???????????????С?????????????и??????????????????? 相似文献
11.
���ڱ�������BP�������GPS�߳�ת�� 总被引：2，自引：2，他引：0
???????BP???????????????????????????????????????????????????????????????????б?????????????????????Ч???????÷???????????????????????????????????????????緽????????????ж??ó????????????BP??????????????????????????? 相似文献
12.
针对传统的RBF神经网络模型在GNSS高程拟合中拟合精度较低、稳定性较差、相关因子需提前人为设置等问题,通过将改进的自适应权重粒子群优化算法与MATLAB RBF神经网络函数newrb相结合,实现RBF神经网络函数模型中隐含节点数和SPREAD值的自动优化选取,提高算法在GNSS高程拟合中的精度和稳定性。通过实例分析,该方法拟合精度高,可达到mm级精度,相对于传统的二次多项式模型精度提高17%,稳定性良好。 相似文献
13.
����Krigingͳ�Ƶ�GPS�߳���Ϸ����о� 总被引：3，自引：5，他引：3
??GPS?????????????????????????????????GPS???????????????GPS??????????ú?????????????????????????????????????????????溯??????μ?Kriging?????????????????????????GPS??????????????????????????:????GPS??????????????????????????????????????????????????????????????????溯??????????????? 相似文献
14.
针对小波神经网络存在的局限性,采用粒子群算法对小波神经网络进行优化,并在此基础上建立GPS高程异常值的拟合模型.为了避免粒子群算法陷入局部极小值和收敛速度慢等问题,采用惯性权重非线性递减和自适应学习因子相结合的策略对粒子群算法进行改进,从而提高模型的训练精度.以某矿区实测GPS数据为例,对所建模型的拟合性能进行验证.结... 相似文献
15.
基于广义回归神经网络的GPS高程转换 总被引：1，自引：1，他引：0
为提高GPS高程转换的精度,采用广义回归神经网络(GRNN)进行拟合。将控制点的X、Y坐标作为网络输入,高程异常作为网络输出,采用实验数据训练网络,训练完成的网络作为模型进行高程异常预测。结果表明,GRNN方法具有较高的GPS转换精度。 相似文献
16.
针对平面拟合、二次曲面拟合和GA-BP神经网络3种模型的各自特点和适用范围,为综合各模型优点、提高高程拟合的精度与可靠性,对比分析了不同非线性组合和线性组合方法,即RBF神经网络组合、加权最小二乘支持向量机（WLSSVM）组合和最优加权组合、最优非负变权组合等对GPS高程拟合精度的影响。理论分析和算例结果表明,不同组合方法对GPS高程拟合精度的影响不同,WLSSVM组合和最优非负变权组合的拟合效果较好,可靠性较强|最优非负变权组合能较好地控制残差极值,有效减小误差区间,且转换精度较高。 相似文献
17.
����ƽ����Ϻ� BP��������Ϸ���GPS�߳�ת�� 总被引：1，自引：0，他引：1
???GPS???????????????????????????y?????????BP?????編??????????????????????6????????????????????????????????????6?????????????????????????????BP?????編???????????3???????????????????? 相似文献
18.
?????????????????????????У????????????????????Щ???????ù???????????????????α仯??????????????GPS??????????????????????÷????????????????GPS????????????????????????????? 相似文献
19.
阐述最小二乘配置的原理,给出先验方差协方差估计方法,通过实例分析了采用最小二乘配置法的有效性,比较了不同协方差函数对拟合精度的影响及拟合点的分布对协方差函数、拟合结果的影响。 相似文献
20.
机载LiDAR在提取地形坡度较大区域的冠层高度模型（CHM）时易产生畸变,降低单木树高的提取精度,为此提出一种CHM与数字表面模型（DSM）相结合的树高估算方法。首先基于预处理后的点云生成的CHM,利用局部最大值算法和标记控制分水岭分割算法进行分割,得到单木树冠轮廓多边形;然后结合DSM,采用固定窗口的局部最大值算法探测树顶点并提取其高程,继而与使用狄洛尼三角网和高程内插得到的地面点相减获取树高;最后,以广西兴安县富江村附近地形起伏较大的针叶林为试验区,测试3种不同坡度下,在CHM、CHM结合DSM获得的树高与实测树高分别进行精度分析。结果表明,当树木分别位于平均坡度为32°、27°和15°的试验区时,CHM中提取的树高与实测数据拟合的R2分别为0.84、0.85和0.87,RMSE为1.48、1.41和1.58 m,结合DSM后R2为0.92、0.91和0.93,RMSE为0.93、1.02和1.16 m;在地形坡度较大的区域,本文方法可以有效提高单木树高的估算精度。 相似文献