共查询到18条相似文献，搜索用时 187 毫秒
1.
2.
超宽带技术由于其精确的定时分辨率,在视距（LOS）和非视距（NLOS）混合环境中应用前景广阔。为提高跟踪精确度、消除与UWB跟踪系统测距数据集异常值,构建合适的误差抑制方法,提出一种误差抑制方法。首先对环境进行建模,分析LOS和NLOS环境中的信号参数;然后,采用基于模糊逻辑的两步自适应定位算法,分析和选择最佳测距数据,用于计算被跟踪设备的位置;使用模糊加权最小二乘估计（FWLSE）方法对非视距（NLOS）混合环境中的实际数据进行测试。实验结果表明,与其它已知算法相比,该方法定位精度显著提高18.28%,且在实际应用中易于实现。 相似文献
3.
《东南大学学报》2016,(4)
为了减少定位精度上由于NLOS误差造成的影响,基于非参数信任传输(NBP)方法建立一种在NLOS环境下的定位算法.根据NLOS误差的分布概率及分布参数的先验信息量,给出了3种不同情况下定位问题的最大后验概率.第1种情形为理想化情形,即已知NLOS环境下的距离测量及相应的NLOS误差分布参数.在第2种情形中,仅已知任意2个节点之间的通信处于NLOS环境下的概率及相应的NLOS误差分布参数.第3种情形为最差情形,仅获得测量误差的信息.将所提算法与基于最大似然退火法(ML-SA)的定位算法进行了比较,仿真结果表明:在每种情形下所提算法获得的定位精度都远超过基于ML-SA的定位算法.在3种不同情形下基于NBP定位算法的位置估计均方根误差比基于ML-SA的定位算法分别降低了1.6,1.8和2.3 m左右.因此,在NLOS传输环境下,采用NBP的定位算法可获得较高的定位精度. 相似文献
4.
神经网络由于其非线性处理能力强。性能稳定等特点得到了广泛应用和研究。主要应用于模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等。神经网络中使用最为广泛的就是前馈神经网络。其网络权值学习算法中影响最大的就是误差反向传播算法(back-propagation简称BP算法)BP算法存在局部极小点。收敛速度慢等缺点。基于优化理论的Levenberg-Marquardt算法忽略了二阶项。该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算，进而训练网络。 相似文献
5.
《实验室研究与探索》2017,(12):65-68
建立一种基于改进型BP神经网络的卫星钟差高精度预报方法。使用PSO算法对BP神经网络结构参数和连接权值阈值进行优化;引入自适应变异因子,以一定概率初始化部分变量改进PSO算法。通过实验验证本文提出的改进BP神经网络算法对于解决BP神经网络容易陷入局部最小值以及训练收敛速率低等问题,以及常规PSO算法早熟收敛等问题具有较好的效果。选用取自IGS网站提供的4颗GPS卫星钟差数据进行288次连续5 min、24次连续1h以及连续7次1 d的预报研究。结果表明,研究预报方法的预报精度和稳定性要明显优于使用常规BP神经网络和LSSVM算法建立的模型。 相似文献
6.
7.
传统的BP神经网络收敛速度慢,以及该算法的不完备性,易陷于局部极小,全局最优无法保证能收敛到等缺点.针对BP神经网络的缺陷,该文提出了遗传算法,利用遗传算法优化BP神经网络权值和阈值,使得训练了BP神经网络预测模型得到了最优解.采用遗传算法优化BP神经网络的算法,并以此结合算法来研究非线性函数拟合的问题.从实验结果表明,基于遗传算法优化的BP神经网络的非线性函数拟合具有较强的收敛性和鲁棒性,并且有了更高的预测精度. 相似文献
8.
针对BP算法在测向定位中收敛速度、隐层神经元个数的选取以及定位精度等方面的缺点,将实神经网络代数算法首次应用到测向定位中。给出了隐层神经元个数的准确公式,快速准确的获取训练权值,建立了基于代数算法的三站定位模型。通过仿真实验,新方法在定位精度和时间效率方面都远高于BP算法。 相似文献
9.
针对提高进化神经网络进化时效性,充分利用神经网络的训练数据,提出一种在云计算Hadoop平台环境下,使用进化算法对BP神经网络的权值和网络结构进行优化,通过分布并行计算,提高进化速度和效率.理论分析和实验结果表明,在数据量较大时,该方法能有效地提高神经网络计算精度. 相似文献
10.
11.
非视距环境下基于散射体信息的被动定位(英文) 总被引：1，自引：0，他引：1
为了提高传统的TOA/AOA定位技术在非视距环境下的定位精度,提出了一种基于散射体信息的混合定位方法.首先,利用基站坐标信息和TOA测量值确定线性化的可行区域,产生移动台的候选位置点.对每一个移动台候选点,结合TOA和AOA测量值,计算各自散射体半径,通过与先验的散射体信息的比较,筛选候选移动台位置点.然后,运用自适应模糊聚类算法估计移动台位置,完成定位.最后,对所提出的定位算法进行了仿真验证.仿真结果表明:所提出的基于散射体信息的混合TOA/AOA定位算法能够减轻非视距效应,有效估计移动台位置. 相似文献
12.
计算机视觉技术越来越多地应用于生猪饮水等行为识别中,以判断生猪健康状况。现有的饮水识别方法主要依赖目标轮廓,而传统的阈值分割方式受光照、噪点等因素影响较大,提取的轮廓不够精确。提出一种基于深度学习目标检测算法YOLO（You Only Look Once,YOLO）的生猪行为识别方法,根据生猪位置与饮水区的关系以及是否处于静止状态综合判断其饮水行为。该方法不依赖目标轮廓,且无复杂的手动特征提取过程。在深度学习框架tensorflow上进行群养猪检测、定位以及饮水行为识别。实验证明,该算法比基于轮廓的饮水识别算法精度提高3%,达到94.0%。 相似文献
13.
传感器定位技术作为无线传感器网络的重要课题之一,为实现目标实时定位,提出一种基于核岭回归与卡尔曼滤波的定位算法。该算法在离线阶段使用核岭回归算法（KRR）对无线位置指纹数据库进行训练,从而得到一个可反映信号强度指标（RSSI）与位置坐标之间映射关系的函数|在线阶段先利用离线阶段得到的函数对目标进行粗定位,再结合卡尔曼滤波（KF）方法对目标进行精确定位。实验结果表明,在真实室内办公环境下,相比 KNN 算法与核函数（Kernel）算法,该算法能实现更好的定位精度,平均定位误差为 1.898 3m。 相似文献
14.
讨论了基于Levenberg—Marquardt（LM）算法的BP神经网络及其GDP预测的应用。LM算法利用误差函数二阶导数信息,对高斯一牛顿法的优化,相对传统的负梯度法而言,其收敛速度更快。最后以贺州市GDP为例,就预测的效率和精确度来说,LM—BP网络预测GDP的速度和精度明显优于标准的BP算法网络。 相似文献
15.
针对服装推荐方法推荐精度不高、覆盖率低,不能充分挖掘用户潜在兴趣的问题,提出一种基于用户图像内容属性偏好与时间因子的服装推荐（UIACF）算法。通过构建深度卷积神经网络,提取服装图像中的服装属性,并据此形成用户属性向量,将基于用户属性偏好的相似度与基于时间因子的用户兴趣偏好相似度融合,构建用户偏好模型。将其与基于用户的协同过滤（UCF）算法、基于项目的协同过滤（ICF）算法及基于项目偏好的协同过滤（UCSVD）算法进行比较,结果显示,UIACF 算法准确率提高 14%。该算法为基于用户的服装协同过滤个性化推荐提供了一种新思路,用户潜在兴趣挖掘效率更高。 相似文献
16.
近年来,许多关于社区发现的优秀算法被提出并取得了较好的社区划分效果。但是到目前为止,没有任何一种算法能够同时在时间复杂度和准确度方面取得较好的表现。现实网络中往往存在一些有利于指导社区发现的标签信息,如must-link信息、cannot-link信息等。因此提出基于少量标签信息传播、拓扑结构的半监督社区发现算法S_LPA,分别在karate网络、dolphins网络、LFR基准网络上进行测试。实验结果表明,该算法S_LPA时间复杂度为O（m）,相对其它算法,S_LPA在karate网络和dolphins网络的NMI值高于CNM、InfoMap、LPA算法,在LRF网络上准确度高出约20%;提高参数u后,S_LPA算法可识别其它算法不能识别的社区结构。 相似文献
17.
The dominant error source of mobile terminal location in wireless sensor networks (WSNs) is the non-line-of-sight (NLOS) propagation error. Among the algorithms proposed to mitigate the influence of NLOS propagation error, residual test (RT) is an efficient one, however with high computational complexity (CC). An improved algorithm that memorizes the light of sight (LOS) range measurements (RMs) identified memorize LOS range measurements identified residual test (MLSI-RT) is presented in this paper to addre... 相似文献
18.
以 Faster R-CNN 为代表的 two-stage 目标检测算法检测速度慢,而 one-stage 目标检测算法中的 SSD算法虽然检测速度快,但对交通标志类小目标的检测效果不佳。因此在 SSD 算法 VGG16 骨干网络上引入感受野块（RFB）结构,既提升检测速度又可在小目标检测上达到良好的检测精度。与此同时,为提高网络分类精度,在损失函数中加入中心损失。将 SSD 算法与改进的 SSD 算法在 VOC 数据集上进行训练,对比其性能可知,改进后算法 mPA 值达到 80.7%,相比 SSD300（VGG16）算法提高了 3.5%。该算法在 LISA traffic sign 数据集上训练,在迁移学习的基础上得到的 mPA 值为 78.4%,检测单张图像平均耗时为 20.5ms,可满足实时性要求。 相似文献