10.16208/j.issn1000-7024.2018.11.004
基于LS-SVR的混合定位算法
为解决最小二乘支持向量回归(least-square support vector regression,LS-SVR)定位精度不高的问题,提出基于LS-SVR的混合定位算法,充分考虑未知节点之间的距离信息在定位过程中的有效修正作用.通过LS-SVR算法提供初始值,提高多元Taylor级数展开法的收敛速度;通过多元Taylor级数展开法,充分利用未知节点之间的距离信息,减小测距误差造成的定位误差.仿真结果表明,与传统LS-SVR定位算法相比,混合定位算法的精度更高,减少了正则化参数和核参数的选取对定位精度的影响.
多元泰勒级数展开、定位模型、最小二乘支持向量回归、定位精度、混合算法
39
TN911
国家自然科学基金项目61701286、11704229;山东省自然科学基金项目ZR2017MF047、ZR2015FL003
2019-01-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
3318-3321,3339