公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

一种基于GACNN改进的室内可见光指纹定位算法被引量：4: 2023年; 为提高室内可见光定位系统性能,提出了基于遗传算法训练卷积神经网络(Genetic Algorithm Convolutional Neural Network,GACNN)的室内可见光指纹定位算法。该算法引入一维卷积神经网络学习模型,针对卷积神经网络的超参数设置,利用遗传算法对卷积神经网络进行训练,将超参数进行二进制编码后采用精英遗传算法对CNN进行训练,来解决卷积神经网络模型参数调节依靠经验和模糊最优化的过程。实验结果表明:在室内4 m×4 m×2.5 m的定位场景下,定位算法可以获得平均定位误差4.11 cm的定位精度。相较于卷积神经网络定位算法,平均定位误差降低了25%。对比分析了不同室内可见光定位算法的性能,验证了算法的技术优势。; 王宗生邵建华王鹏云程悦杜聪杜聪; 关键词：遗传算法卷积神经网络接收信号强度

融合角度特征的CNN可见光室内定位算法被引量：5: 2022年; 针对可见光室内定位精度不高的问题,提出一种融合角度特征的卷积神经网络(Convolutional Neural Network, CNN)可见光室内定位算法。首先在基于接收信号强度(Received signal strength, RSS)的基础上,考虑到LED(Lighting Emitting Diode, LED)辐射角度对接收端PD(Photo Detector, PD)接收到的信号强度的影响,融合发送端和接收端之间的角度特征信息建立空间三角模型,构建基于角度特征值的位置指纹库,接着利用卷积神经网络模型,训练定位模型,预测待定位目标的位置,然后通过指纹库中的已知指纹点,计算定位误差,得到高精度的室内定位误差。最后在4 m×4 m×2.5 m实验空间中验证该算法,得到平均定位误差为4.16 cm,且定位误差累积分布在4.5 cm以内的概率为80%,在8 cm以内的概率为90%,定位误差稳定。; 杨薇邵建华杜聪; 关键词：卷积神经网络

基于神经网络的可见光室内指纹定位算法的研究: 可见光室内定位作为一种新兴的室内定位技术,因其利用发光二极管(LED)作为光源,具有保密性强、传输速率高、抗电磁干扰等优势,近年来成为室内定位领域研究热点之一.目前对于室内定位算法的选择主要包括基于测距的定位算法和基于位...; 杨薇

网格搜索法优化的支持向量机室内可见光定位被引量：15: 2021年; 采用信号强度特征建立指纹库,通过网格搜索法对支持向量机参数进行优化,利用SVM回归算法建模位置坐标和信号强度特征的映射关系,实现对待定位点位置坐标的预测。在待定位点误差范围内建立子集指纹库,根据欧式距离的远近分配权值,对预测到的坐标进一步优化,实现误差最小化。将没有优化的支持向量机与用网格搜索法、蚁群算法、粒子群算法优化后进行对比,实验结果表明,使用网格搜索法优化后的SVM回归算法可以实现良好的定位效果,最终平均定位误差可达到0.042 m,且算法所需时间优于蚁群算法,寻找全局最优解优于粒子群算法。; 杜聪邵建华杨薇杨薇邓莲佳沈宏杰; 关键词：支持向量机可见光

一种基于SSA-DBN的室内可见光指纹定位算法被引量：1: 2024年; 室内可见光定位在精度方面有着较高的要求,针对这一问题,文中提出了一种麻雀搜索算法(Sparrow Search Algorithm,SSA)优化深度置信网络(Deep Belief Network,DBN)的室内可见光指纹定位算法。首先,采用信号强度特征值与位置坐标建立离线指纹库;其次,利用麻雀搜索算法较好的全局探索和局部开发的能力,对深度置信网络的初始权阈值进行优化,建立网络训练模型,对待定位目标的位置进行预测,避免了DBN陷入局部最优以及收敛速度较慢的问题。最后,利用已建立的离线指纹库数据,计算定位误差并分析。在4 m×4 m×2.5 m的空间中进行实验,结果表明:文中算法的平均定位误差为3.51 cm,定位误差在6 cm以内的概率为89.9%,与DBN定位算法相比,平均定位误差下降了约22.5%。; 王鹏云邵建华王宗生程悦杨薇杨薇; 关键词：可见光

证券融资国际化对我国上市公司融资结构的影响: 我国上市公司融资选择区别于发达资本市场国家上市公司的一个宏观因素为,我国的资本市场处在不断开放的环境中,并且通过证券市场进行国际融资是我国资本市场开放的第一步。资本市场对公司的外部治理作用能够影响到公司融资结构的选择,因...; 杨薇; 关键词：资本结构上市公司证券市场融资结构

全选清除导出

共1页<1>

杨薇