基于KDMSPCS-GRNN的室内定位技术研究

• 作者: 王超 单志勇
• 来源期刊: 信息技术与网络安全
• 关键词: LDCPSO算法 CS算法 K-mean算法 GRNN算法 测试函数
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 智能算法|Intelligent Algorithm
• 页码范围: 20-27,45
• 页数: 9页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2021.04.004

摘要

针对利用广义神经网络(Generalized Regression Neural Network,GRNN)搭建的定位预测模型定位精度低、效率慢等问题,基于动态分群策略,提出一种线性递减粒子群(Linear Decreasing Contraction Particle Swarm Optimization,LDCPSO)和布谷鸟(Cuckoo Search,CS)混合寻优算法,并利用此算法为GRNN选择最优参数,构建定位预测模型.该算法主要利用K均值聚类算法(K-means)对整个种群进行周期性的分群,底层使用LDCPSO算法优化各个子群,并将最优粒子传至高层,高层使用CS算法优化各个子群的最优粒子,并将最终结果返回底层,执行下一次迭代.实验过程中,一方面将提出的算法应用于多个测试函数,结果表明该算法具有更好的收敛速度和收敛精度;另一方面利用该算法搭建定位模型,并与其他定位模型对比,结果显示该定位模型具有更好的定位效果.