基于主動學習的沿海區(qū)GDEM修正方法

摘要： 針對傳統(tǒng)全球數(shù)字高程模型修正方法忽略訓練樣本質(zhì)量等問題，提出一種基于主動學習的沿海區(qū)全球數(shù)字高程模型(GDEM)修正方法。該方法首先選擇一定數(shù)量的代表性樣本點作為初始訓練集，然后通過聚類批處理模式采樣算法，采用迭代方式選取高質(zhì)量代表點進行模型訓練，最后利用選取的代表點構建機器學習模型以實現(xiàn)GDEM修正。以美國克遜維爾為訓練區(qū)、查爾斯頓為遷移實驗區(qū)，選取中誤差和平均絕對誤差驗證模... （共10頁）