卷积神经网络GPS坐标转换方法

摘要：

GPS坐标转换方法对于GPS空间定位系统至关重要.目前已有很多方法被提出用于转换GPS坐标,但效果并不是很显著.究其原因,是因为大多数都存在模型误差和投影误差.针对目前方法的不足,本文利用深度学习对非结构化数据处理的优势,提出了一种基于卷积神经网络(CNN)的GPS坐标转换方法.该方法将GPS数据转化为非结构化图片数据,以其作为CNN的输入层来训练GPS坐标转换模型,这样能够最小化满足对数据的预处理要求,无监督地从数据中学习出有效特征.试验结果表明,该方法与传统坐标转换方法相比,具有更高的转换精度.

关键词：深度学习、神经网络、卷积神经网络、坐标转换、全球定位系统

分类号：P228(大地测量学)

资助基金：甘肃省科技支撑计划基金1504GKCA018

在线出版日期：2019-05-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1-5