基于BP神经网络和多元Taylor级数的混合定位算法

• 作者: 夏斌 杨亚楠 袁文浩 谢楠
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 多元变量泰勒级数展开 定位模型 BP神经网络 定位精度 混合定位
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 36-40
• 页数: 5页
• 分类号: TP393
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2017.524

摘要

针对多元Taylor级数算法定位精度严重依赖初始值的问题,提出一种新的混合定位算法.通过BP神经网络定位算法提供初始值,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:混合定位算法的精度更高,并且减少了网格间距对定位精度的影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏斌	山东理工大学计算机科学与技术学院	23	62	5.0	7.0
2	谢楠	山东理工大学计算机科学与技术学院	12	29	4.0	5.0
3	袁文浩	山东理工大学计算机科学与技术学院	22	62	5.0	7.0
4	杨亚楠	山东理工大学计算机科学与技术学院	3	9	2.0	3.0