10.16508/j.cnki.11-5866/n.2020.02.007
基于ABC-SVM的室内定位方法研究
为了降低支持向量机(support vector machine,SVM)参数对定位精度的影响和降低其他优化算法优化参数易陷入局部最优解的风险,提出了一种基于人工蜂群算法(artificial bee colony,ABC)优化SVM的室内定位方法.在离线阶段通过射线跟踪技术生成RSSI仿真环境数据集,通过支持向量机构建RSSI与位置坐标的非线性映射模型,通过人工蜂群算法优化模型参数,得到最优模型;在线阶段,通过该模型对待定位点进行位置预测.首先将ABC-SVM定位方法与未经参数优化的SVM进行定位误差对比实验,结果表明,ABC-SVM在2 m内的定位精度达到86%,具有更高的定位精度;将ABC优化算法再与传统的ACO、PSO优化算法进行累积误差概率对比实验,结果表明,ABC-SVM算法在定位误差小于2 m的概率达到了90%.
支持向量机、人工蜂群算法、室内定位、定位误差、累积误差概率
35
TP391(计算技术、计算机技术)
国家科学自然基金资助项目;北京市自然科学基金面上项目
2020-07-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
33-37