首页|网格搜索法优化的支持向量机室内可见光定位

网格搜索法优化的支持向量机室内可见光定位

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Support vector machine indoor visible light positioning optimized by grid search method

杜聪、邵建华、杨薇、王宗生、邓莲佳、沈宏杰

展开 >

南京师范大学计算机与电子信息学院,南京 210023

江苏省光电重点实验室,南京 210023

支持向量机 网格搜索法 可见光 室内定位

2013102SBJ0265

2021

10.14016/j.cnki.jgzz.2021.03.104

激光杂志
重庆市光学机械研究所

激光杂志

CSTPCD北大核心
影响因子：0.74
ISSN：0253-2743
年,卷(期)：2021.42(3)
  • 14
  • 11