基于最小二乘配置法的高程拟合及精度评定方法

常规确定区域似大地水准面 ＧＰＳ水准法最常用的曲面拟合法通常只考虑测量误差,导致拟合结果不准确,并且简单地利用内、外符合精度去评定一个模型的拟合精度不是很可靠,只能在一定程度上说明模型拟合效果。针对此问题,利用同时顾及测量误差和模型误差的最小二乘配置法进行高程拟合,将其拟合得到的精度值作为参考,并提出利用高程异常残差三维图和内、外符合精度同时进行精度分析,然后与二次多项式和 ＢＰ神经网络拟合结果进行对比分析。研究结果表明：对于大面积高程异常值变化较大的地区,最小二乘配置法能够取得较高的拟合精度;利用残差值三维图进行精度评定是一种有效可靠的方法。     

基于移动二次曲面拟合的GNSS点高程异常计算

随着全球导航卫星系统(GNSS)高程测量精度和EGM模型精度及分辨率的不断提高,利用少量GNSS水准点进行高程拟合得到待求点的正常高成为可能.根据移去-恢复法思想,利用EGM2008重力场模型计算高程异常长波分量,采用移动曲面模型对残余高程异常值进行拟合.结果表明:在大区域内利用移动曲面之二次曲面法进行残余高程异常值拟...     

半参数测量模型在GPS高程拟合中的应用

利用罚最小二乘原理构造加权惩罚平方和，将半参数回归模型与最小二乘配置结合起来，来处理GPS高程问题，导出了配置型模型中正规化矩阵正定时参数平差的计算方法，用直接法得到了参数和信号的估计量，给出了相应的公式。其次，通过选取合适的平滑因子，能使残差的分布更接近其真实分布，并用一个实例说明了此方法的有效性。     

一种曲面拟合图像边缘特征提取算法

针对传统最小二乘支持向量回归函数曲面拟合边缘特征提取算法推广性差的问题,提出首先在模糊特征平面对图像进行模糊去噪增强,使图像各种边缘信息凸显,弱化非边缘信息;然后对图像进行最小二乘支持向量回归函数曲面拟合,对拟合函数求导确定边缘.在对每个点采用相同惩罚因子时,保证了图像中每一像素的邻域最佳函数拟合.仿真实验表明,该算法边缘提取质量清晰细致,效果较好,且各种参数的选择不需人为调节,适合图像预处理阶段应用.     

基于WLA优化混合核LSSVM的网络入侵检测模型

针对网络数据维度高、分布差异较大等引起的网络入侵检测时间开销大,精度低、泛化性差的问题,提出混合入侵检测模型(Hybrid intrusion detection model,简称HIDM)。首先通过对比检测效果选择互信息理论作为HIDM模型的特征选择模块,用来实现特征降维和节省开销;接着利用非线性递减因子、自适应权值策略结合鲸鱼优化算法提出鲸鱼提升算法(Whale Lifting Algorithm,简称WLA),最后利用WLA优化混合核最小二乘支持向量机的参数构建了HIDM模型,有效检测网络入侵。基于NSL-KDD数据集的仿真结果表明HIDM模型针对网络攻击的检测率、准确率和误报率分别达到了99.63%, 99.4%和0.86%;同部分已有研究相比检测率有所提升;同时利用CICIDS2018数据集验证了HIDM模型的泛化性。     

基于鲸鱼优化参数的最小二乘支持向量机短期负荷预测方法

大量分布式能源站的出现以及电动汽车的普及,给电力系统的安全、经济运行带来影响的同时,传统的负荷预测方法也面临挑战。针对这个问题,提出了利用鲸鱼算法优化最小二乘支持向量机（Whale Optimization Algorithm-Least Squares Support Vector Machine,WOA-LSSVM）进行短期电力系统负荷预测。利用鲸鱼算法全局寻优能力强、收敛速度快的优点,弥补最小二乘支持向量机（Least Squares Support Vector Machine,LSSVM）选参的盲目性,提高LSSVM的负荷预测精度。采用WOA-LSSVM对2013年浙江某地区历史负荷数据预测未来1 d的负荷,并与粒子群优化最小二乘支持向量机模型和标准LSSVM模型预测结果对比。结果表明,基于鲸鱼优化LSSVM的短期负荷预测具有较高的预测精度,相对误差较小。     

分段函数应用于线状GNSS高程拟合的可行性研究

高精度GNSS高程转换是GNSS理论与应用研究的热点问题,其研究对GNSS测量成果的实际应用至关重要。基于三次样条函数的基础理论,构造分段高程异常函数,采用边界条件一推导插值算法,理论及算法严密。实例数据验算证明：该方法运用于线状工程的GNSS高程拟合可行且有效可靠。     

基于最小二乘的曲面拟合算法研究

提出了一种基于最小二乘的曲面拟合算法,详细介绍了最小二乘法的原理和方法及其应用。采用该算法进行曲面拟合,使拟合的曲面具有精度高,光滑性好的优点。通过弗格森双三次曲面为研究模型来建立最佳的拟合参数。实验结果表明此算法具有良好的拟合效果,模拟曲面真实。目前利用最小二乘来处理拟合问题已经得到了广泛的应用。     

ＧＰＳ高程拟合的不同估计方法比较

通过ＧＰＳ高程异常平面拟合实例,系统地介绍了最小二乘估计、总体最小二乘估计、稳健最小二乘估计、稳健总体最小二乘估计、半参数估计等５种估计方法的原理和特点,比较了它们的识别模型参数、减弱系统误差、抵御粗差和不同类型误差的能力。结果表明：总体最小二乘估计在ＧＰＳ高程拟合中稳定性较弱,ＩＧＧⅢ抗差方案会放大随机模型误差对平面拟合模型的影响,半参数估计只有在系统误差存在下与最小二乘估计参数值相差大,最小二乘估计在高程拟合中精度最高。     

基于最小二乘支持向量机算法的测量数据时序异常检测方法

将最小二乘支持向量机方法引入火电厂DCS的测量数据时序异常检测领域,该方法很好地建立了火电厂DCS的测量数据时序预测模型,具有预测真实值能力强、全局优化及泛化性好等优点。将该方法应用于某600 MW超临界火电机组DCS测量数据中,经过训练后的LS-SVM模型对再热蒸汽温度数据的检验样本进行不良值检测与真实值预测,均方根误差和平均相对误差分别为0.067%和0.050%,均方根误差是BP网络模型、RBF网络模型的8.756%和8.272%,平均相对误差是BP网络模型、RBF网络模型的7.541%和7.236%。应用结果表明,最小二乘支持向量机方法优于多层BP与RBF神经网络法,能很好地满足异常检测与真实值预测要求。     

基于免疫算法优化LSSVM的短时交通流预测

为了智能化解决城市道路交通系统存在的问题,提高短时交通流预测的准确性,采用免疫算法优化的最小二乘支持向量机(LSSVM)建立短时交通流量预测模型。利用免疫算法对LSSVM中的惩罚因子和核函数参数进行优化,得到最优预测模型。以车辆行驶平均速度和占有率作为模型输入,交通流量作为输出进行预测仿真试验。试验结果表明:本文采用的优化LSSVM模型进行仿真试验的预测误差有所减小,输出结果更接近真实值。     

基于PSO的最小二乘支持向量机稀疏化算法

针对最小二乘支持向量机(LSSVM)失去稀疏特性及经典迭代剪切稀疏化算法容易陷入性能指标函数局部收敛的问题,提出一种基于粒子群优化(PSO)的LSSVM稀疏化算法.将LSSVM稀疏化过程描述为一个最优化问题,以校验样本和预测输出之间的均方根误差RMSE为优化目标,以模型训练样本剪切率ε(%)为优化变量.并针对此非线性优化问题提出基于PSO的求解方法.以大型电厂飞灰含碳量LSSVM模型为例,对此算法进行了实例研究.结果表明,该方法能有效解决经典算法的局部收敛问题获得最优剪切率,具有更好的预测和泛化能力.     

一种基于LS-SVM的CDMA信号接收机自适应核方法

给出了一种基于最小二乘支持向量机(LS-SVM)的码分多址(CDMA)系统信号接收机非线性自适应核算法。LS-SVM使用均方误差原则,优点是能应用于自适应在线的情况,基于LS-SVM的接收检测器复杂度适中,能够实现非线性分类,并能够自适应执行,而且仅仅只需要从用户那里得到较少的训练数据序列。     

带状区域GPS高程拟合方法的研究

结合长江沿岸的一带状区域GPS测量成果与水准测量的实测数据，对带状区域高程拟合的方法进行了研究，提出了多面函数法，并与平面拟合、单二次曲面拟合、分区二次曲面拟合进行了比较，得出多面函数法是带状区域GPS高程拟合的首选方法。     

基于小波包移频算法的遥感图像融合技术

为了对分类最小二乘支持向量机实施有效的稀疏化，以提高分类速率，采用分类相关分析算法，按序提取样本核矩阵的全部分类相关成分，并依据样本核矩阵各列与分类相关成分的相关性，对训练集所有个体按分类的重要性排序，进而可选取最重要的部分个体作为支持向量，并将其余非支持向量的信息转移至支持向量，以提高支持向量的分类表达能力.由此构建一种新的稀疏型最小二乘支持向量机CS LSSVM，并将其应用于多个模式分类的实际问题.测试结果表明，CS LSSVM稀疏性很强，且保持了标准LSSVM的分类性能，还可直接适用于多类问题.     

最小二乘支持向量机的参数优选方法及其应用

参数选择是支持向量机研究领域的重要问题,它本质上是一个优化搜索过程.以遗传算法和粒子群算法为基础探讨了基于两者的混合智能算法,将杂交操作、变异操作引入PSO算法中,同时,在种群随机搜索过程中嵌入确定性的模式搜索,使得算法可以在任何阶段进行精细搜索;在此基础上,提出了基于混合智能的最小二乘支持向量机方法(LS-SVM),以最小化k-fold交叉验证误差为评价函数,利用混合智能算法优化LS-SVM参数.最后结合实例对该方法进行了实证检验,并对结果进行分析.     

基于LS-SVM苯乳酸发酵过程的建模

为了解决苯乳酸发酵过程中关键生物参数难以直接在线检测的问题,提出了基于最小二乘支持向量机（LS-SVM）的软测量建模方法. 通过使用径向基核函数来对菌体浓度、苯乳酸浓度建立模型,对建模的理论进行了分析和并进行了仿真研究,同时还采用支持向量机对过程进行了建模,对两种方法的优缺点进行了比较. 结果表明,基于LS-SVM的建模方法预测精度高、跟踪性能好,能提高在线预估的效率,非常适合于苯乳酸发酵过程的在线预估.     

移动最小二乘配置法在高程异常拟合中的应用

运用常规的拟合模型求解大范围高程异常必然存在较大的模型误差,鉴于模型误差的不确定性,可以将模型误差看作信号采用最小二乘配置法来处理,本文给出了具体模型和计算方法,并提出了移动最小二乘配置法,避免了复杂的协方差函数求解,对一个大测区的部分GPS水准数据进行解算,获得了满意的结果。     

GPS高程拟合模型方法研究

在调兵山地区,选择76个大地高和正常高都已知的点作为原始数据,采用泰勒二次多项式曲面拟合法和泰勒二次多项式曲面加权平均法建立该地区大地水准面,通过实例发现,泰勒二次多项式曲面加权平均法对高程异常的短波项有很好的改进效果,拟合残差比较大的点采用泰勒二次多项式曲面加权平均法残差变小,大大提高了拟合模型的精度。