基于模糊分类和AP加权的室内定位算法

来源 :计算机技术与发展 | 被引量 : 0次 | 上传用户:NK123456
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了提高指纹定位法的在线定位效率,提出了最强AP模糊分类(SAF)算法。该算法以模糊值为信号强度波动范围并将参考点划分到所有可能的AP类中,降低了参考点类别误判的风险。在此基础上提出了分方向AP加权(DW)算法来改善传统定位算法的定位精度。该算法分析了在不同分类区域中各AP分别对x和y方向上定位结果的影响程度,以此为依据为各个AP赋予分方向加权系数,并将加权系数融合到匹配算法中。此外,针对参考点较为稀疏的情况,提出了稀疏度的概念并给出了参考点稀疏度较大时的处理方法。仿真结果表明,与传统定位算法相比,提出的
其他文献
在传统谱聚类算法中,构造相似矩阵时需要人为输入尺度参数;除此之外,之后的k-means过程中还需要人工输入确切的聚类数目,而以上两个参数对聚类效果影响巨大。针对以上问题,提出了
VXLAN作为overlay网络技术的代表,为解决云数据中心的组网问题提供了有效的技术支持,使网络更具可扩展性。但传统VXLAN技术是基于数据平面的,存在诸多局限性。早在EVPN之前,
K-means聚类算法是基于划分的经典聚类算法之一,因其简洁、高效得到了广泛的应用。K-means算法具有容易实现、时间和空间复杂度较小的优点。但该算法的初始聚类数K通常不能通
形变、重力分会场学术交流会议交流了20篇论文,有6篇摘要做了会议报告。本次大会的主题为“汶川地震研究及30年来地震科学进展与展望”,报告的内容也是围绕这一主题展开的。
有限高斯混合模型广泛应用于模式识别、机器学习和数据挖掘等领域,但现实中的许多数据都具有非高斯性,而高斯混合模型无法准确地描述这些数据。此外,有限高斯混合模型还存在参数
针对传统迭代算法在解决大规模问题时速度较慢的问题,在介绍了压缩感知中重构的基本模型以及传统不动点迭代方法(FPC)的基础上,提出了一种新的重构算法-快速不动点迭代方法(FFPC
基于非均匀变异算子的状态空间进化算法(NUMSEA)是一种具有新颖性的实数编码进化算法.针对传统的状态空间进化算法转移矩阵的不足,设计一种基于非均匀变异等算子改进的状态空间