室内可见光指纹定位系统中改进的加权K最近邻算法

针对室内可见光指纹定位系统中加权K最近邻(WKNN)算法用欧氏距离不能有效表示各测量点间实际距离的问题,提出了一种基于加权欧氏距离度量的改进WKNN算法。该算法根据接收信号强度随实际距离变化的衰减特性,为不同的信号强度差值分配不同的加权系数。仿真结果表明,在相同的环境条件下,相比基于欧氏距离和曼哈顿距离的WKNN算法,改进算法的平均定位误差分别降低了37.5%和34.3%。

一种Tor网站多网页多标签指纹识别方法

Tor匿名通信系统经常被不法分子用来从事暗网犯罪活动,Tor网页指纹识别技术为暗网监管提供技术手段。针对单标签Tor网页指纹识别技术在网络监管中实用性差的问题,文章提出一种多网页多标签Tor指纹识别方法。首先,对标准粒子群算法、K最近邻算法进行参数优化并整合,提出自适应粒子群优化K最近邻模型APSO-KNN,进行连续多标签网页分割。然后,利用自注意力机制和一维卷积神经网络模型对网页分割片段进行内容识别。最后,利用APSO-KNN记忆打分机制选择识别失败的网页的次优分割点进行网页重分割。实验结果表明,APSO-KNN采用粒子搜索机制代替穷举遍历机制寻找分割点能取得96.30%的分割准确率,分割效率较传统KNN算法有显著提高。深度学习模型SA-1DCNN抗网页分割误差性能远优于机器学习模型,识别准确率可达96.1%。

基于测量报告信号聚类的指纹定位方法

针对基于加权K最近邻(WKNN)和机器学习算法的指纹库定位方法存在精度和定位效率较低的问题,提出一种基于测量报告(MR)信号聚类的指纹定位方法。首先,把MR信号分为室内、道路和室外这3种属性;其次,利用地理信息系统(GIS)信息将栅格分为建筑物、道路和室外子区域,并将不同属性的MR数据落入对应的属性子区域;最后,借助K均值(K-Means)聚类算法对栅格内的MR信号进行聚类分析,以创建子区域下的虚拟子区域,并采用WKNN算法对MR测试样本进行匹配。此外,利用欧氏距离计算平均定位精度,并通过生产环境的一些MR数据测试了所提方法的定位性能。实验结果表明,所提方法的50 m定位误差占比为71.21%,相较于WKNN算法提升了2.64个百分点;平均定位定位误差为44.73 m,相较于WKNN算法降低了7.60 m。所提方法具备良好的定位精度和效率,可满足生产环境中MR数据的定位需求。

ARIMA-BP神经网络高速列车隧道压力波预测模型研究

为更精准地进行车内压力波动控制,需要预测高速列车通过隧道时车外隧道压力波的实时变化值。在对列车历史运行重复隧道压力波数据的分析基础上,采用工况匹配(WCM)与加权K最近邻(WKNN)算法从数据库中选取若干与本次工况相接近的运行状态数据,并根据相似程度确定数据权重,构建预测用的历史数据。分别采用差分自回归滑动平均(ARIMA)与BP神经网络(BPNN)模型对隧道压力波进行预测,并将两种预测结果并联考虑,形成ARIMA-BPNN隧道压力波组合预测模型。利用武广客运专线某隧道压力波实测数据进行仿真。仿真结果表明:与WCM-WKNN-ARIMA及WCM-WKNN-BPNN单一预测模型以及WCM-ARIMA-BPNN组合预测模型相比,所建立组合模型能有效对隧道压力波进行预测,且能够取得更高精度的预测结果。