期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于聚类和K近邻算法的井下人员定位算法 被引量:13
1
作者 莫树培 唐琎 +2 位作者 汪郁 赖普坚 金礼模 《工矿自动化》 北大核心 2019年第4期43-48,76,共7页
针对现有基于指纹模的井下定位算法存在的计算量大、实时性低、定位精度较低的问题,提出了基于聚类和K近邻算法的井下人员定位算法。用二分k-means聚类算法对采集的RSSI数据进行分类,建立离线指纹数据库;无线移动终端和动态修正器实时采... 针对现有基于指纹模的井下定位算法存在的计算量大、实时性低、定位精度较低的问题,提出了基于聚类和K近邻算法的井下人员定位算法。用二分k-means聚类算法对采集的RSSI数据进行分类,建立离线指纹数据库;无线移动终端和动态修正器实时采集RSSI值,分别存储到在线定位数据库和动态修正数据库;根据待测点和动态修正器的离线数据和实时数据,采用软硬件动态修正加权K近邻算法计算权重值,结合离线指纹数据库中待测点的物理位置信息估算其实时位置。实验分析结果表明,所提定位算法的最小标准误差为0.46m,最大标准误差为3.26m,平均误差为1.62m。对比分析结果表明,与未进行聚类分析的算法相比,本文算法的精度更高,实时性更好;与未动态修正权重值的算法相比,本文算法的运算时间略有增加,但定位精度提高了37.21%。 展开更多
关键词 井下人员定位 指纹定位 二分k-means聚类算法 软硬件动态修正加权k近邻算法 动态修正
在线阅读 下载PDF
结合双注意力和加权动态图卷积的三维点云分类与分割
2
作者 肖剑 王晓红 +2 位作者 李炜 杨祎斐 罗季 《光学精密工程》 EI CAS CSCD 北大核心 2024年第18期2823-2835,共13页
针对基于深度学习的点云分类分割网络在局部上下文信息提取和近邻点特征表达上的不足,以及最大池化容易丢失次优信息的问题,提出结合双注意力和加权动态图卷积网络的点云分类分割算法。首先,加权动态图卷积利用加权K近邻算法构建鲁棒的... 针对基于深度学习的点云分类分割网络在局部上下文信息提取和近邻点特征表达上的不足,以及最大池化容易丢失次优信息的问题,提出结合双注意力和加权动态图卷积网络的点云分类分割算法。首先,加权动态图卷积利用加权K近邻算法构建鲁棒的局部结构,并引入强化边卷积模块对点特征加权以得到强化后边特征。然后,通道注意力构造通道相关性并释放各通道潜力,再利用空间注意力感知三维点云的空间结构,以增强局部语义特征的表达,并提取有效上下文信息与深层语义特征。最后,采用TopK池化添加次优特征。实验结果表明,该算法在ModelNet40分类数据集上总体分类精度达到93.36%,在ShapeNet Part部件分割数据集上平均交并比达到85.96%,能够有效提取上下文信息和增强近邻点特征表达,表明了算法的有效性。 展开更多
关键词 分类与分割 三维点云 注意力机制 加权动态图卷积 k近邻算法
在线阅读 下载PDF
最强基站MAC地址匹配的RSSI加权室内定位方法 被引量:2
3
作者 孙玉曦 甄杰 +1 位作者 郭英 李晨辉 《导航定位学报》 CSCD 2020年第5期19-24,56,共7页
针对传统k近邻算法定位时不能有效剔除距离较远参考点的问题,提出最强基站介质访问控制(MAC)地址匹配的接收信号强度指示(RSSI)加权改进室内定位方法:离线阶段,通过模糊c均值算法划分待测点的定位区域,生成基于区域划分的聚类指纹库;在... 针对传统k近邻算法定位时不能有效剔除距离较远参考点的问题,提出最强基站介质访问控制(MAC)地址匹配的接收信号强度指示(RSSI)加权改进室内定位方法:离线阶段,通过模糊c均值算法划分待测点的定位区域,生成基于区域划分的聚类指纹库;在线阶段,首先确定待测点所在的目标区域,其次在目标区域内利用动态加权k近邻算法剔除距离偏远的参考点,然后通过MAC地址序列匹配的方法,只信任最强的基站,进一步筛选出k个中最优的参考点,最后计算最优参考点对应坐标的加权平均值作为待测点的最终估计位置。实验结果表明,与动态加权k近邻算法相比,该算法在房间以及走廊环境下的平均定位误差都有改善,并且1~2 m和2~3 m定位精度的可信度有较好的提升。 展开更多
关键词 模糊C均值算法 动态加权k近邻算法 介质访问控制地址序列匹配
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部