基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
GAMIT软件在解算大型密集测站时一般需要进行分区处理,分区解算对结果的精度具有一定的影响.为了解决一般分区方法中长短基线同时存在而导致整网解算精度降低的问题,引入了K-means++算法和Hash算法实现分区,简称为K-means++分区法.首先利用K-means++算法对测站进行聚类,再利用Hash算法进行排序组合,这样能得到分布均匀的子网.文中采用整网解算结果作为标准值,分析区域分区法和K-means++分区法的基线长度、基线精度及三维坐标差,然后再将K-means++分区方法与间距分区法进行对比分析.实验结果表明,该方法比区域分区法精度更高,与现有的间距分区方法精度相持,且比间距分区法要稳定高效.
推荐文章
基于 K-means++的无线传感网分簇算法研究
K-means++
均匀分簇
改进簇头选举函数
混合传输
MapReduce编程模型在网络I/O密集型程序中的应用研究
Hadoop
MapReduce
分布式
网络I/O密集型
基于k-means++的高炉铁水硅含量数据优选方法
预测
动态建模
神经网络
高炉炼铁
铁水硅含量
数据优选
k-means++
深度学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 K-means++分区法在密集型测站中的应用研究
来源期刊 全球定位系统 学科 地球科学
关键词 K-means++ 分区解算 基线精度 GAMIT
年,卷(期) 2018,(3) 所属期刊栏目 理论和探讨
研究方向 页码范围 13-20
页数 8页 分类号 P228.4
字数 3241字 语种 中文
DOI 10.13442/j.gnss.1008-9268.2018.03.003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 孙宪坤 上海工程技术大学电子电气工程学院 26 47 4.0 6.0
2 尹京苑 34 521 11.0 22.0
3 尹玲 上海工程技术大学电子电气工程学院 8 5 1.0 2.0
4 丁倩云 上海工程技术大学电子电气工程学院 4 0 0.0 0.0
5 郝美云 上海工程技术大学电子电气工程学院 3 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (70)
共引文献  (29)
参考文献  (13)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(6)
  • 参考文献(0)
  • 二级参考文献(6)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(8)
  • 参考文献(0)
  • 二级参考文献(8)
2010(4)
  • 参考文献(1)
  • 二级参考文献(3)
2011(14)
  • 参考文献(2)
  • 二级参考文献(12)
2012(8)
  • 参考文献(0)
  • 二级参考文献(8)
2013(5)
  • 参考文献(0)
  • 二级参考文献(5)
2014(5)
  • 参考文献(1)
  • 二级参考文献(4)
2015(3)
  • 参考文献(1)
  • 二级参考文献(2)
2016(9)
  • 参考文献(4)
  • 二级参考文献(5)
2017(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
K-means++
分区解算
基线精度
GAMIT
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
全球定位系统
双月刊
1008-9268
41-1317/TN
大16开
河南新乡138信箱3分箱
36-219
1976
chi
出版文献量(篇)
2316
总下载数(次)
7
总被引数(次)
11089
论文1v1指导