相关实验视频
Updated: Jul 18, 2026

09:47
Spotting Cheetahs: Identifying Individuals by Their Footprints
Published on: May 1, 2016
14.9K
在WKNN指纹定位应用中的一个紧的蛇优化算法
Weimin Zheng1, Senyuan Pang1, Ning Liu1
1College of Computer Science and Engineering, Shandong University of Science and Technology, Qingdao 266590, China.
Sensors (Basel, Switzerland)
|July 29, 2023
概括
这项研究引入了紧蛇优化 (cSO) 以提高室内定位精度. 将cSO与加权的K-最近邻居 (WKNN) 和RSSI定位相结合,可以在具有挑战性的室内环境中显著减少本地化错误.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 信号处理 信号处理
背景情况:
- 室内定位至关重要,但在狭窄的空间中具有挑战性.
- 权重的K-最近邻居 (WKNN) 提高了定位的准确性.
- 超启发式算法为复杂的优化问题提供了高效的解决方案.
研究的目的:
- 为了提高室内定位准确度,使用元启发算法.
- 引入和评估一个新的紧蛇优化 (cSO) 算法.
- 在室内定位中验证启发式算法的有效性.
主要方法:
- 开发了一个紧的蛇优化 (cSO) 算法,这是蛇优化 (SO) 的变体.
- 评估cSO在28 CEC2013测试功能与其他智能计算算法相比.
- 集成cSO与WKNN指纹和基于RSSI的室内定位.
主要成果:
- 与现有的智能计算算法相比,cSO表现出卓越的性能.
- 将cSO与WKNN和RSSI集成,大大减少了室内定位错误.
- 在模拟中,cSO在提高本地化准确度方面被证明是有效的.
结论:
- 新的cSO算法为metaheuristic优化提供了一种高效的方法.
- 将cSO与WKNN和RSSI定位相结合是准确的室内定位的可行策略.
- 在资源有限的环境中,cSO有效地解决了计算和内存的限制.

