基于空間鄰接關系的RBF網(wǎng)絡與SVR建模方法研究.pdf

1、隨著各種信息獲取手段的不斷完善，空間信息分析面臨著日益復雜的對象和海量的信息，一些傳統(tǒng)的空間分析手段已不能滿足地理信息系統(tǒng)和地球信息科學中海量信息的處理要求，這就使得包括人工神經(jīng)網(wǎng)絡、支持向量機等的智能計算技術以其充分利用計算機智能的優(yōu)勢在地球科學相關領域研究中起到愈來愈重要的作用。綜合空間信息分析、智能計算等不同理論方法的各種信息融合技術的發(fā)展趨勢已經(jīng)是不可逆轉(zhuǎn)的。 本文以空間信息分析與智能計算技術相互融合為出發(fā)點，基于空間知

2、識和空間關系，利用傳統(tǒng)RBF網(wǎng)絡和SVR的基本原理和算法，根據(jù)空間數(shù)據(jù)的特性，對基于空間鄰接關系的RBF網(wǎng)絡與SVR建模方法進行了研究，主要有以下成果： (1)建立了多種基于空間鄰接關系的多種智能模型，即RBF-IF、RBF-HF1/2、RBF-OF和LS—SVR-IF、LS-SVR-HF1/2、LS-SVR-OF模型，并利用美國俄亥俄州哥倫比亞區(qū)內(nèi)49個區(qū)域的犯罪率信息進行實例分析； (2)通過反復的對比分析，應用多種

3、預測性能指標進行結果評價，證明了空間信息分析與智能計算技術相互融合是可行的； (3)通過對傳統(tǒng)RBF網(wǎng)絡與傳統(tǒng)SVR模型以及RBF-HF1與LS-SVR-HF1模型的對比分析，證明了SVR在泛化能力上相對于RBF網(wǎng)絡具有一定的優(yōu)越性； (4)論文中在建立SVR模型時應用了最小二乘支持向量回歸模型，簡化了學習算法，提RBF-HF1高了學習速度。 最后，以基于空間鄰接關系的RBF網(wǎng)絡和SVR建模為主要研究對象，在面向