改进LANDMARC最近邻居算法在嵌入式系统的实现

在WINCE及LINUX嵌入式操作系统下,通过编程对串口进行配置,并对由串口接收的数据进行分析和处理,通过开发定位应用程序的方式编程实现了改进的LANDMARC系统最近邻居算法.应用程序可以在加载了嵌入式操作系统的ARM处理器上运行,证明了改进后算法应用于基于ARM的RFID室内定位系统的可行性.

基于Chan氏算法和最近邻居算法的协同定位方法

在对定位算法中的测距和非测距算法研究的基础上,本文提出了在改进阅读器排布的定位空间中,将最近邻居算法与Chan算法结合,进行协同定位的方法。在设定的两种小范围仿真空间中,通过均方误差(RMSE)和误差累计分布曲线(CDF)两个定位精度评价指标对改进前后的算法进行比较,在噪声较小且误差均匀分布的环境下,改进算法的定位误差可90%控制在0.4m以内。

基于RFID技术的室内定位算法及其改进

简述无线射频识别技术的概况和基本原理,并在此基础上提出基于RFID的LARNDMARC室内定位系统最近邻居算法。同时考虑了影响定位精度的几个因素,提出改进的最近邻居算法。通过仿真实验证明了改进后的算法比原有算法具有更好的定位精度。

空间划分虚拟网格的RFID室内定位算法

首先分析了最近邻居算法的基本原理,针对把所有参考标签作为最近邻居的选择,出现大量不必要计算,室内环境干扰较大,距离阅读器较远的标签的信号强度值阅读不准确的问题,提出了一种划分虚拟网格,动态选取最近邻居来进行定位的RFID室内定位算法.仿真结果表明,在不增加参考标签的前提下,改进的算法较最近邻居算法定位精度更高,稳定性更好.

用于不均衡数据集分类的KNN算法

针对KNN在处理不均衡数据集时,少数类分类精度不高的问题,提出了一种改进的算法G-KNN。该算法对少数类样本使用交叉算子和变异算子生成部分新的少数类样本,若新生成的少数类样本到父代样本的欧几里德距离小于父代少数类之间的最大距离,则认为是有效样本,并把这类样本加入到下轮产生少数类的过程中。在UCI数据集上进行测试,实验结果表明,该方法与KNN算法中应用随机抽样相比,在提高少数类的分类精度方面取得了较好的效果。

基于LANDMARC的最近邻居改进算法

对基于动态主动式射频识别标定的定位识别(LANDMARC)室内定位系统算法进行了研究,针对现有LANDMARC室内定位系统算法最近邻居数量固定导致优良的最近邻居丢失、不良最近邻居引入的问题,提出了一种改进的最近邻居算法(K-nearest neighbor algorithm,KNN).该算法利用待测标签的预估位置,划定最近邻居的选择区域,然后根据选择区域内参考标签与预估位置能级差选择最近邻居.MATLAB仿真结果表明,在同等条件下的新算法定位精度提高了9.8%,最大误差降低了21.8%.

射频识别技术及其在室内定位中的应用

在分析射频识别(RFID)基本原理和特点基础上,重点讨论了基于RFID的LARNDMARC室内定位系统,然后在此基础上提出了一种最近邻居改进算法和基于误差多级处理的数据融合定位方法。仿真结果表明,改进后的最近邻居算法比已有的最近邻居算法的定位精度更好。

基于Web的公钥基础设施优化与实现

基于实践,针对传统公钥基础设施的不足,引入XKMS的技术优点,采用Web Service技术对外发布XKMS服务,从而把PKI的复杂性从客户端转移到XKMS服务端,屏蔽了PKI底层的实现过程,降低了部署实施PKI的复杂度。同时,针对传统PKI存在的数据传输安全隐患,应用KNN算法提出了缓存分级加密机制,解决了数据在传输缓存中以明文方式存储的安全隐患。

购物网站智能导购决策模型的设计

通过对在线消费特征的分析,指出导购决策过程包含比较决策、偏好决策和心理决策等3个过程。在此基础上,建立适合于电子商务在线购物网站的智能导购决策模型并设计了用于比较决策过程的相似匹配算法。

蜂窝移动网络数据用量预测方法探析

目前,蜂窝移动网络数据用量预测技术与方法上,主要采用统计和深度学习方法,由于用户的蜂窝移动网络数据用量变异较大,所以将可能有较大的蜂窝移动网络数据用量估计误差。因此,本文研究提出一套蜂窝移动网络数据用量预测方法,分析目标客户前几个周期的蜂窝移动网络数据用量集合,预测目标客户下一周期的蜂窝移动网络数据用量,并可依估计的蜂窝移动网络数据用量提供营销信息予客户,增加客户对蜂窝移动网络数据用量的购买量,降低客户费率,增加移动网络运营商收入,建立双赢。在实验中,本研究取得7月份56万个用户记录进行分析,并与传统预测方法进行比较,证实此方法确实较为优越,且平均正确率可达87.97%。

基于分组重量编码的蛋白质功能预测

从蛋白质序列出发,采用分组重量编码(Encoding Based on Grouped Weight,简记EBGW),并结合最近邻居算法对蛋白质功能进行预测。对酵母(Saccharomyces cerevisiae)蛋白质的1826条序列进行预测,整体预测准确率与其他基于序列信息的蛋白质功能预测方法相当。实验结果表明基于EBGW编码方案的新方法可有效地应用于蛋白质功能预测。

基于多Kinect的三维人脸重建研究

人脸三维数字化在医疗、影视制作和虚拟现实等领域具有重要意义,是计算机视觉研究的热点.为快速、完整、低成本和精确地实现人脸三维数字化,提出一种基于多Kinect的三维数字化系统.首先,连续采集8帧点云信息,避免信息缺失,改进双边滤波算法,对Kinect获取的点云滤波去噪;然后,精简点云拼接区域,先采用点特征直方图在两点云间寻找配准点,构造协方差矩阵,奇异值分解法求解该矩阵,得到初始变换参数,粗拼接点云;再通过改进的共享最近邻居聚类算法加快粗拼接后两点云间的最近点搜索速度,利用改进的最近点迭代算法实现精拼接;最后,实验结果表明:该系统能够快速、完整和精确地三维数字化人脸,达到了实验预期效果.