计算机应用

作者：向峰, 李中志, 熊熙, 李斌勇

单位：1.成都信息工程大学 网络空间安全学院, 成都 610255；2.先进密码技术与系统安全四川省重点实验室(成都信息工程大学), 成都 610225

关键词：空间插值,反距离权重,各向异性,多参数优化,粒子群算法

基金：四川省科技计划项目(2021JDRC0046)

参考点与参数的选取会对反距离权重（IDW）的精度产生影响。针对多参数协同优化反距离权重算法（PIDW）忽略局部特性的问题，提出一种利用粒子群对IDW进行局部优化的改进算法——PLIDW。首先，分别对研究区域中各个样本点的参数进行寻优，利用交叉验证方法进行评估，记录各自最优取值的一组参数；同时，为提高查询效率，使用K维树（KD-Tree）保存空间位置与最优参数；最后，根据空间邻近程度从K维树选取最近的一组参数优化IDW。基于模拟数据与真实的温度数据集上的实验结果表明，相较于PIDW，PLIDW在真实数据集上的准确度提高4.18%以上，改善了PIDW存在的因忽略局部特性导致部分场景准确度低的问题，适应能力更强。

来源：2023年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第2期