Kmeans SSAElman网络可见光室内位置感知算法

Kmeans SSAElman网络可见光室内位置感知算法.pdf
由于室内环境复杂,基于Elman神经网络的可见光位置感知存在收敛速度慢、定位精度低等缺点.论文提出基于麻雀搜索算法(sparrowsearchalgorithm,SSA)优化Elman神经网络,同时融合K-means聚类的一种可见光室内位置感知算法.对采集到的数据建立数据库,利用SSA对Elman的拓扑结构和连接权阈值进行优化,建立训练模型,解决基于Elman神经网络室内位置感知算法易陷入局部最优的问题,提高收敛速度和稳健性;利用K-means对数据库优化分类,将处理好的数据代入模型训练得初步预测结果;将初步预测结果代入子类二次训练得预测点的最终坐标,进一步提高定位精度.基于0.8m×0.8m×0.8m的立体空间进行实验,结果表明:论文算法平均定位误差3.22cm,定位误差小于6cm,概率达到90％,相较SSA-Elman算法定位精度提高7.5％;相较Elman网络算法定位精度提高16％.
作者：李宝玉 张峰 彭侠 刘叶楠
作者单位：西安工业大学电子信息工程学院,陕西西安710065西安应用光学研究所,陕西西安710065
母体文献：第三届军用光电技术发展论坛论文集
会议名称：第三届军用光电技术发展论坛  
会议时间：2022年4月1日
会议地点：南京
主办单位：西安应用光学研究所
语种：chi
分类号：
关键词：室内位置感知  可见光  Elman神经网络  麻雀搜索算法  聚类算法  定位精度
在线出版日期：2022年9月21日
基金项目：
相似文献
相关博文

2024-12-9 12:00 上传 Kmeans SSAElman网络可见光室内位置感知算法.pdf

文件大小:

1.45 MB

下载次数:

60

高速下载