基于PSO和SVM的矿区地表下沉系数预测

研究并建立矿区地表下沉系数的智能预测模型.将粒子群优化(PSO)和回归支持向量机(SVM)方法进行融合.采用PSO算法优化SVM回归估计参数,在简要分析影响地表下沉因素的基础上,建立了基于PSO优化参数的SVM(PSO-SVM)矿区地表下沉系数智能预测模型.以我国典型的地表移动观测站资料作为学习训练样本和测试样本,将计算结果与实际值进行了对比分析,并与改进BP神经网络算法的预测结果进行了比较.结果表明:PSO-SVM方法计算地表下沉系数是可行的,收敛速度更快,计算精度更高.为地表下沉系数的计算探索了一种可行的方法.     

数字摄影测量系统中非量测CCD相机标定算法

为了解决传统的相机标定方法，通常需要建立复杂三维标定块或高精度三维控制场这一实际问题，采用平面控制格网作为标定块，利用二维直接线性变换分解出相机的内外方位元素初值，然后采用改进的Hough变换算法检测标定图像中的格网直线并利用最小二乘法拟合出最佳直线，通过求直线的交点得到标定格网点的像坐标。最后利用自检校光线束法平差进行相机的精确标定。实际图像数据实验结果表明：主点和焦距的标定精度分别达到了0．2和0．3像素左右。可以满足高精度近景三维量测的要求。