基于混沌粒子群优化神经网络的GPS高程拟合研究
针对普通神经网络模型存在预测精度低等问题,采用粒子群优化神经网络权值和阈值的预测方法,建立基于该方法的BP神经网络高程异常拟合模型.为克服粒子群算法易陷入局部最优,提出并建立改进算法,即先用混沌变量初始化粒子位置,当出现早熟收敛时,对局部较优的部分粒子和全局极值采用混沌优化策略,从而提高了模型的训练精度.试验结果表明,该方法具有更好的准确性和稳定性.
神经网络、粒子群优化、混沌变量、Logistic映射、高程异常
P228.4(大地测量学)
2013年国家测绘科技计划项目;现代工程测量国家测绘地理信息局重点实验室开放课题TJES1201;精密工程与工业测量国家测绘地理信息局重点实验室开放基金PF2012-4
2013-10-31(万方平台首次上网日期,不代表论文的发表时间)
共4页
5-8