针对基于最小二乘支持向量机(least squares support vector machine,LSSVM)高程拟合模型存在参数选取随机的局限性,本文将果蝇优化算法(fruit fly optimization algorithm,FOA)引入到灰色最小二乘支持向量机(grey least square support...针对基于最小二乘支持向量机(least squares support vector machine,LSSVM)高程拟合模型存在参数选取随机的局限性,本文将果蝇优化算法(fruit fly optimization algorithm,FOA)引入到灰色最小二乘支持向量机(grey least square support vector machine,GLSSVM)高程拟合模型中,建立了基于FOA的GLSSVM拟合模型.为了验证提出模型的有效性,结合工程实例,并与GLSSVM、LSSVM进行对比分析,结果表明提出模型具有收敛快、精度高的特点,为GNSS高程拟合提供了新的思路.展开更多
文摘针对基于最小二乘支持向量机(least squares support vector machine,LSSVM)高程拟合模型存在参数选取随机的局限性,本文将果蝇优化算法(fruit fly optimization algorithm,FOA)引入到灰色最小二乘支持向量机(grey least square support vector machine,GLSSVM)高程拟合模型中,建立了基于FOA的GLSSVM拟合模型.为了验证提出模型的有效性,结合工程实例,并与GLSSVM、LSSVM进行对比分析,结果表明提出模型具有收敛快、精度高的特点,为GNSS高程拟合提供了新的思路.
