基于KDMSPCS-GRNN的室內(nèi)定位技術(shù)研究
所屬分類：技術(shù)論文
上傳者：zhoubin333
文檔大小：740 K
標(biāo)簽： LDCPSO算法 CS算法 K-mean算法
所需積分：0分積分不夠怎么辦？
文檔介紹：針對(duì)利用廣義神經(jīng)網(wǎng)絡(luò)(Generalized Regression Neural Network，GRNN)搭建的定位預(yù)測(cè)模型定位精度低、效率慢等問題，基于動(dòng)態(tài)分群策略，提出一種線性遞減粒子群(Linear Decreasing Contraction Particle Swarm Optimization，LDCPSO)和布谷鳥(Cuckoo Search，CS)混合尋優(yōu)算法，并利用此算法為GRNN選擇最優(yōu)參數(shù)，構(gòu)建定位預(yù)測(cè)模型。該算法主要利用K均值聚類算法(K-means)對(duì)整個(gè)種群進(jìn)行周期性的分群，底層使用LDCPSO算法優(yōu)化各個(gè)子群，并將最優(yōu)粒子傳至高層，高層使用CS算法優(yōu)化各個(gè)子群的最優(yōu)粒子，并將最終結(jié)果返回底層，執(zhí)行下一次迭代。實(shí)驗(yàn)過程中，一方面將提出的算法應(yīng)用于多個(gè)測(cè)試函數(shù)，結(jié)果表明該算法具有更好的收斂速度和收斂精度；另一方面利用該算法搭建定位模型，并與其他定位模型對(duì)比，結(jié)果顯示該定位模型具有更好的定位效果。
現(xiàn)在下載
VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。