| 基于优化RBF神经网络的无线室内定位 |
| |
| 引用本文： | 刘 夏,莫树培,何惠玲,杨 军.基于优化RBF神经网络的无线室内定位[J].国际商务研究,2019(11). |
| |
| 作者姓名： | 刘 夏 莫树培 何惠玲 杨 军 |
| |
| 作者单位： | 1.贵州工业职业技术学院 电子与信息工程学院，贵阳551400,1.贵州工业职业技术学院 电子与信息工程学院，贵阳551400；2.中南大学 自动化学院，长沙 410083,1.贵州工业职业技术学院 电子与信息工程学院，贵阳551400,1.贵州工业职业技术学院 电子与信息工程学院，贵阳551400 |
| |
| 基金项目： | 贵州省科技厅联合基金资助项目（黔科合J字［2014］2082；黔科合LH字［2016］7069） |
| |
| 摘 要： | 针对径向基函数（Radial Basis Function,RBF）神经网络算法在无线网络室内定位中拓扑结构和网络参数难以确定，其定位效果不理想的问题，提出了一种用核主成分分析的模糊C均值聚类算法（Fuzzy C-Means clustering algorithm based on Kernel Principal Component Analysis,KPCA-FCM）和模拟退火自适应遗传算法（Simulated Annealing adaptive Genetic Algorithm,SAGA）优化RBF神经网络的无线室内定位算法。首先利用KPCA对原始训练数据样本进行数据预处理，再通过KPCA-FCM算法计算出最优聚类数目和聚类中心点；其次将聚类数目和聚类中心点作为隐含层神经元个数和中心值，创建RBF神经网络，并将其网络参数映射到SAGA算法中；再次由SAGA算法进行网络参数寻优，把最优的解映射回RBF神经网络；最后利用样本数据对RBF神经网络进行训练和测试，完成建立RBF神经网络算法模型。实验表明，在相同的环境中，所提算法比传统RBF神经网络定位精度提高了48.41%。
|
| 关 键 词： | 室内无线定位 RBF神经网络 核主成分分析 模糊C均值聚类 模拟退火自适应遗传算法 |
Wireless Indoor Positioning Based on Optimized RBF Neural Network |
| |
| LIU Xi,MO Shupei,HE Huiling and YANG Jun.Wireless Indoor Positioning Based on Optimized RBF Neural Network[J].International Business Research,2019(11). |
| |
| Authors: | LIU Xi MO Shupei HE Huiling and YANG Jun |
| |
| Abstract: | |
| |
| Keywords: | wireless indoor positioning RBF neural network kernel principal component analysis fuzzy C-mean clustering simulated annealing adaptive genetic algorithm |
|
| 点击此处可从《国际商务研究》浏览原始摘要信息 |
| 点击此处可从《国际商务研究》下载免费的PDF全文 |
