K近邻快速匹配的WiFi指纹定位方法

为解决室内Wi Fi指纹定位速度慢及定位波动大的问题,采用高斯拟合和多次测量取平均值的方法对接收的信号进行平滑处理;以距离为相似性测度,规定一个阈值对建立指纹数据库进行分类;改进K近邻算法,并在分类的基础上实现K近邻快速匹配。实验结果表明:经过分类处理过的定位系统耗时有很大程度的改善,平均降幅62.8%;Wi Fi指纹定位精度的平均误差从4.17 m降到了2.12 m。

基于特征匹配与CNN的浮动验证码识别研究

为有效识别浮动验证码,提出一种基于特征匹配与卷积神经网络的识别方法。首先使用特征匹配的方法得到匹配特征点,结合交叉匹配算法与K近邻匹配算法滤除错误匹配;然后对特征点进行聚类及投票分析,得到待识别字符区域,将其分割得到单个字符;最后在mnist手写数字数据集的基础上加入英文字符,构建卷积神经网络模型,将数据集送入模型进行训练。对10000张浮动验证码进行测试,结果表明,该方法对浮动验证码的识别准确率达95%,且构建的训练集具有可扩展性,可进一步应用到其它类型的字符识别中。

基于随机匹配的非局部相似块搜索算法

针对非局部相似块搜索问题,提出一个基于随机匹配的k近邻块匹配算法.在基于Jump Flooding传播的块匹配算法基础上,改进其候选参考块的产生方式,增加从查询块的局部邻域中随机产生候选参考块这一方式.这一改进提高了候选参考块匹配的可能性,进而提高了算法的匹配精确度.实验结果表明改进算法在时间效率和并行性上,与原算法相差不大,但在匹配精确度上,要优于原算法.

基于CBR+RBR的快速应急预案生成方法

针对现存应急预案大都是文本形式预案,用于处理突发事件时指导性不强、指导作用不明显,提出基于案例推理(case based reasoning,CBR)与基于规则推理(rule based reasoning,RBR)相结合的方法。采用RBR方法,推理得出需要的应急预案,运用CBR方法,使用最近邻匹配方法从案例库中查找符合给定相似度的案例,并将2种方法相结合。结果表明:该方法能克服单独使用CBR时面临的无规则预案生成陷入困境及单独使用RBR时预案生成延时及规则建立难度大的瓶颈,兼容RBR极强的推理演绎能力和CBR建立与维护系统容易的优势,使生成应急预案更加高效可靠。

WiFi融合环境光定位方法研究

针对现有基于WiFi的室内定位算法精度低、稳定性差的问题,该文提出了一种基于WiFi定位的环境光匹配组合室内定位方法。该方法利用智能手机中内置的传感器即可实现连续、可靠的定位。该文首先利用手机光线感应器采集室内环境光强度信息,并构建环境光指纹数据库;其次利用基于RSSI的质心定位算法进行初步定位;最后通过K-近邻匹配算法进行环境光数据库匹配,从而实现融合定位。实验结果表明,相比传统的仅靠WiFi进行定位的方法,该文算法的定位精度和稳定性有明显提升,可为大型超市、地下停车场、隧道、矿井等室内环境光较为稳定的区域提供定位技术帮助。