为了抑制采样点中粗差对数字高程模型(digital elevation model,DEM)建模的影响,以较高精度的多面函数(multi-quadric,MQ)为基函数,由改进Huber损失函数和权重惩罚项组成目标函数,发展了MQ抗差插值算法(MQ-H)。通过优化MQ-H目标函数,采样点权重计算最终转换为方程组求解。以数学曲面为研究对象,将MQ-H计算结果与传统MQ及最小绝对偏差MQ(MQ-L)进行比较,结果表明:当采样误差服从正态分布时,MQ-H计算精度与传统MQ相当,而远高于MQ-L;当采样误差服从拉普拉斯分布时,MQ-H计算精度略高于MQ-L及传统MQ;当采样点被粗差污染时,MQ-H计算精度远高于传统MQ及MQ-L。在实例分析中,以无人遥测飞艇立体像对获取的地面离散高程点为基础数据,基于MQ-H构建测区DEM,并将计算结果与传统插值算法,如反距离加权(inverse distance weighting,IDW)、普通克里金(ordinary Kriging,OK)和专业DEM插值软件ANUDEM(Australian National University DEM)进行比较,结果表明,传统插值方法在不同程度上受采样点中异常值或偶然误差影响,而MQ-H受异常值影响较小,且能准确捕捉到地形细节信息。
借鉴分类问题的算法,推广到回归问题中去,针对用于分类问题的SOR(successive overrelaxation for support vector)支持向量机算法,提出SORR(successive overrelaxation for support vector regression)支持向量回归算法,并应用于医学上三类血浆脂蛋白(VLDL、LDL、HDL)测定样本中胆固醇的含量。数值实验表明:SORR算法有效,与标准的支持向量回归SVR算法相比,保持了相同的回归精度,提高了学习速度,为临床上测定胆固醇含量提供新的有效方法。
