农田面积测量仪粒子群算法测定土地面

农田面积测量仪粒子群算法测定土地面积
房屋施工面积：是指报告期内施工的房屋建筑面积，包括本期新开工面积和上年开发跨入本期继续施工的房屋面积，以及上期已停建在本期复工的房屋面积。本期竣工和本期施工后又停建缓建的房屋面积仍包括在施工面积中，多层建筑应填各层建筑面积之和。房屋新开工面积：是指在报告期内新开工建设的房屋建筑面积，不包括上期跨入报告期继续施工的房屋面积和上期停缓建而在本期恢复施工房屋面积。房屋的开工应以房屋正式开始破土创槽（地基处理或打永久桩）的日期为准。面积的测定可以使用农田面积测量仪进行快速的测定分析。
根据上述SVM模型基本原理可知，由于本文选择RBF核函数作为其核函数，惩罚参数C、核函数参数g和不敏感损失参数p确定是影响支持向量要模型预测精度的主要因素。如果采用传统的穷举法或梯度下降算法进行SVM模型参数优化，耗时长，效果差。土地面积测量仪采用粒子群算法（PSO）与SVM模型进行融合，对其参数进行优化。3．2．1PSO算法优化SVM参数PSO算法是由Kennedy于1995年提出的，其通过个体间的协作与竞争，实现多维空间中解的搜索，在PSO算法中，将群体中的每个个体看作为一个没有质量和体积的粒子，粒子在搜索空间中以一定的速度飞行，并根据粒子本身的飞行经验以及同伴的飞行经验对自己的飞行速度进行动态调整，从而形成群体寻优的正反馈机制。这样依据每个粒子对环境的适应度将个体逐步移到较优的区域，并最终搜索、寻找到问题的解。本文充分利用PSO算法全局搜索能力、并行性对SVM参数进行自动优化，提高SVM预测精度和使用范围，PSO优化SVM参数的具体流程如图2所示
农田面积测量仪：http://www.mjcly.com/