排序方式： 共有1条查询结果，搜索用时 0 毫秒
1
1.
针对山区样本数据有限的情况,提出一种支持小样本数据处理和高抗噪声能力的模糊最小二乘支持向量机（FLS-SVM）方法。采用基于混沌粒子群（CPSO）的向量机模型参数优化方法,避免了人为参数选择的不确定性,并考虑山区地形起伏的影响,引入地形改正量构建支持向量机训练模型。试验结果表明,考虑地形起伏在内的基于CPSO优化的FLS-SVM模型与传统拟合算法如PSO-LSSVM和GA-LSSVM相比,能够利用有限样本获得更高精度的拟合效果,适用于SRTM正高数据获得正常高的应用中。 相似文献
1