一种海底趋势面的动态LS-SVM构建方法技术

本发明专利技术涉及一种海底趋势面的动态LS

【技术实现步骤摘要】
一种海底趋势面的动态LS
‑
SVM构建方法


[0001]本专利技术属于海洋测量
，涉及构造海底趋势面的方法，尤其是海底趋势面的动态LS
‑
SVM构建方法。

技术介绍

[0002]利用多波束测深数据反演海底地形其实质是将海底趋势面的构造转化为最小二乘支持向量机(LeastSquaresSupportVectorMachine，LS
‑
SVM)模型函数构建问题，LS
‑
SVM算法是小样本训练的方法，其计算量达到了样本点数目的平方级，而多波束测深数据具有海量性的特点。在利用LS
‑
SVM算法构造海底趋势面的过程中，为了避免消耗大量的内存资源，必须对数据进行区域划分，使划分区域内的数据量满足LS
‑
SVM训练的标准，由于不同区块的核函数和参数不同，因此区块与区块之间存在拼接不一致问题。

技术实现思路

[0003]本专利技术的目的在于克服现有技术的不足之处，提供一种可有效提高构造效率消除区块与区块之间存在的拼接不一致问题的海底趋势面的动态LS
‑
SVM构建方法。
[0004]本专利技术解决技术问题所采用的技术方案是：
[0005]一种海底趋势面的动态LS
‑
SVM构建方法，包括以下步骤：
[0006]步骤1、利用已建好的海底趋势面模型，根据海底地形的变化情况，对模型内数据进行区域划分，并对划分区域内的测深数据进行优化。
[0007]步骤2、计算Lagrange乘子a初始值和常值偏差b初始值公式。
[0008]步骤3、向划分好的区域内增加m个测深训练样本数据{(x
n+j
,y
n+j
),L
n+j
},j＝1,2,
…
,m，并计算增加测深训练样本后的的表达式。
[0009]步骤4、划分好的区域内增加m个测深训练样本数据后再删减m个测深训练样本数据，并计算相对应的的表达式，所述用于求解海底趋势面函数。
[0010]步骤5、利用计算得到的更新Lagrange乘子a和常值偏差b得到新的海底趋势面函数模型，并利用新的海底趋势面函数模型构建动态海底趋势面。
[0011]而且，所述步骤1中的测深数据优化方法为，对每一个划分区域内的测深数据进行格网化，得到网格节点，且节点与节点的间距保证海底地形的变化具有连续性，否则做进一步细分，然后将每一个划分区域内的测深数据划分为测深训练样本和测试测深训练样本，选取有效的测深训练样本并选择适合海底地形变化的核函数。
[0012]而且，所述步骤2的具体实现方法为：
[0013]设选取的测深训练样本为{(x
i
,y
i
),L
i
},(i＝1,2,
···
,n),n为样本总数，将测深点平面坐标(x
i
,y
i
)作为LS
‑
SVM算法的输入信息；测深值L
i
作为输出值，最优趋势面模型函数的优化目标和约束条件分别为：
[0014][0015][0016]式中，非线性映射为测深点平面坐标函数，ω为权向量，b为实常数；ξ
i
为误差变量；C为惩罚因子；
[0017]引入拉格朗日函数F求解上式的优化问题：
[0018][0019]式中，a
i
为Lagrange乘子，称对应于a
i
≠0的样本点为支持向量，根据KKT优化条件且核函数定义为得到如下线性方程组：
[0020][0021]记，I
n
＝[1 1
ꢀ…ꢀ
1]T
，求解得到Lagrange乘子a和常值偏差b的计算表达式：
[0022][0023][0024]而且，所述步骤3中增加m个样本后，对应的Q
n+m
的表达式为其中：K
n+m
＝K((x
n+j
,y
n+j
),(x
i
,y
i
)),(j＝1,
…
,m),(i＝1,
…
,n+j
‑
1)；
[0025]由矩阵求逆引理得到的表达式为：
[0026][0027]其中：
[0028]而且，所述步骤4中的表达式为：其中q＝ρ
‑1，，
[0029]而且，所述步骤5中更新后得到新的海底趋势面函数模型为：
[0030]本专利技术的优点和积极效果是：
[0031]本专利技术充分利用已建好的模型，逐渐加入新样本，并可删除位于任何位置的非支持向量，避免了矩阵高阶求逆运算，保证了算法的高效率。本算法能充分利用当前时刻的模型调整和修正下一时刻的模型参数，从而构建出合理的动态海底趋势面，有效地解决了区块划分引起的拼接不一致问题。
附图说明
[0032]图1为区域划分后的取值窗口示意图。
[0033]图2为增加的m个样本的取值窗口示意图。
[0034]图3为减去的m个样本的取值窗口示意图。
[0035]图4为经过增加和删减样本后的取值窗口示意图。
具体实施方式
[0036]下面通过具体实施例对本专利技术作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本专利技术的保护范围。
[0037]一种海底趋势面的动态LS
‑
SVM构建方法，包括以下步骤：
[0038]步骤1、利用已建好的海底趋势面模型，根据海底地形的变化情况，对模型内数据进行区域划分，并对划分区域内的测深数据进行优化。
[0039]在本步骤中，为了充分利用全部水深测量数据获得有效的训练样本，对每一个划分区域内的测深数据进行格网化，得到网格节点，且节点与节点的间距保证海底地形的变化具有连续性，否则做进一步细分，然后将每一个划分区域内的测深数据划分为测深训练样本和测试测深训练样本，选取有效的测深训练样本并选择适合海底地形变化的核函数。
[0040]步骤2、计算Lagrange乘子a初始值和常值偏差b初始值公式。
[0041]本步骤中，设选取的测深训练样本为{(x
i
,y
i
),L
i
},(i＝1,2,
···
,n),n为样本总数，将测深点平面坐标(x
i
,y
i
)作为LS
‑
SVM算法的输入信息；测深值L
i
作为输出值，最优趋势面模型函数的优化目标和约束条件分别为：
[0042][0043][0044]式中，非线性映射为测深点平面坐标函数，ω为权向量，b为实常数；ξ
i
为误差变量；C为惩罚因子；
[0045]引入拉格朗日函数F求解上式的优化问题：...

【技术保护点】

【技术特征摘要】
1.一种海底趋势面的动态LS
‑
SVM构建方法，其特征在于：包括以下步骤：步骤1、利用已建好的海底趋势面模型，根据海底地形的变化情况，对模型内数据进行区域划分，并对划分区域内的测深数据进行优化；步骤2、计算Lagrange乘子a初始值和常值偏差b初始值公式；步骤3、向划分好的区域内增加m个测深训练样本数据{(x
n+j
,y
n+j
),L
n+j
},j＝1,2,
…
,m，并计算增加测深训练样本后的的表达式；步骤4、划分好的区域内增加m个测深训练样本数据后再删减m个测深训练样本数据，并计算相对应的的表达式，所述用于求解海底趋势面函数；步骤5、利用计算得到的更新Lagrange乘子a和常值偏差b得到新的海底趋势面函数模型，并利用新的海底趋势面函数模型构建动态海底趋势面。2.根据权利要求1所述的一种海底趋势面的动态LS
‑
SVM构建方法，其特征在于：所述步骤1中的测深数据优化方法为，对每一个划分区域内的测深数据进行格网化，得到网格节点，且节点与节点的间距保证海底地形的变化具有连续性，否则做进一步细分，然后将每一个划分区域内的测深数据划分为测深训练样本和测试测深训练样本，选取有效的测深训练样本并选择适合海底地形变化的核函数。3.根据权利要求1所述的一种海底趋势面的动态LS
‑
SVM构建方法，其特征在于：所述步骤2的具体实现方法为：设选取的测深训练样本为{(x
i
,y
i
),L
i
},(i＝1,2,
···
,n),n为样本总数，将测深点平面坐标(x
i
,y
i
)作为LS

【专利技术属性】
技术研发人员：黄贤源，吴太旗，黄辰虎，邓凯亮，陈欣，刘玉红，范龙，董斌，
申请(专利权)人：中国人民解放军九二八五九部队，
类型：发明
国别省市：