论文研究-基于仿射传播聚类辅助的指纹定位算法 .pdf

所需积分/C币:7 2019-08-16 15:23:26 489KB .PDF
收藏 收藏
举报

基于仿射传播聚类辅助的指纹定位算法,邓中亮,陈沛,随着大型场馆大量兴建,位置服务已不仅仅局限于室外区域, 传统的卫星定位系统不能很好的在大型场馆室内区域发挥作用,庞大的室��
山国武花论文在丝 算法需通过样本点与样本点之间的相似度来建立个相似度矩阵,记为,若样本 点总数为,则是一个*的矩阵,()表示样本点与样本点之间的相似度,对 于指纹点数据样本,若以9表小指纹点的信号向量,()表小两个指纹点的 信号向量的相似度,可表示为 算法最开始是将所有样夲点都看作类中心点,通过循环迭代来不断缩小类中心点的范 围,迭代过程中用到的判断标准或称证据有以下两个: 1)吸引度,表小一个样本点作为另一样本点的类中心的适合程度的依据,记为 2)归属度,表示一个样本点认为另一样本点为其类中心的适合程度的依据,记为 具体的,相似度()越人表示样本点对样本点的吸引程度越人,或者样本点认为 样本点为聚类中心的归属感越强,这样处于聚类中心处样本点到其它点之间的吸引度之和 较人,成为聚类中心的可能性就愈人。从而,不断地从数据样本中搜集相关的证据:() 和(),证据越强(即()与()越大),样本点作为聚类中心的可能性就越大 通过迭代过程来搜集和传递证据,最终产生个高质量的聚类中心,将样木点分配到最近的 聚类中心中就得到个聚类(即聚类结果)。 算法的具体步骤可表示为如下: 1)根据相似度公式计算得到相似度矩阵,其中,对角线函数()需人为确定,称 为:偏问参数 偏向参数越大,对应样本点成为类中心的可能性越大。 同时,偏向参数的选取也将影响聚类数目。等人认为在没有先验知识的情况下, ,为相似度的中值函数,即()=。并且初始化 2)更新相似度矩阵(): [()+() 其 3)更新归属度矩阵() ()=∑[() )+∑[ )=(-元)()+ 山国武花论文在丝 其中 1)寻找聚类中心点,判定依据为:若数据点使得()+()是 中的最大值,那么此时为的聚类中心 5)此时,检査迭代是否完成,若完成,则输出聚类中心和相应聚类,若未完成,则继 续从步骤开始执行,由此循环。迭代是否完成的依据可为:聚类中心经过次迭代 后仍无变化则认为迭代完成。 在每一次更新迭代过程中,和表示前一个迭代值,和表示当前迭代值,每迭 代次更新()和(),在下次达代时此值作为和。阻尼系数λ∈[],也是 人为设定的,一般默认值设定为刁=,它的作用则是对相似度知阵和归属度矩阵的加权 更新 仿射传播聚类应用于指纹定位算法的实现 为了找到与在线阶段接收的RS信号向量满足一定匹配度的指纹数据向量,在目前常用 的指纹匹配算法中,须对整个数据厍进行谝历,从而找出一个或几个采集指纹点,根据采集 指纹点相应的绝对或相对坐标来确定当前定位点。当引入AP聚类算法后,将整个场景的指纹 数据釆集点划分出几个子类,只需根据在线阶段接收的RSS信号向量确定此信号向量最有可 能落在哪个子类里,那么,将此信号向量与其所在类的指纹数据进行匹配定位即可。具体实 现如下 1)离线阶段,在对整个场景进行采集建立完备的数据库之后,将这些指纹数据通过AP 算法进行聚类,此时,AP算法步骤1中的相似度计算公式,即两指纹点的相似度,可采用如 下公式计算 )=-(-g‖,q表示指纹点的信号向量 算法的输出M个聚类中心和相应的聚类成员。此时指纹数据库被划分为M个子集。然后, 需通过相似度计算公式计算出每个子集中类成员与类中心相似度的最小值。这样数据库所记 录的信息包括:每个指纹采集点的RSS信号向量以及采集时此指纹点的绝对或相对坐标 每个指纹采集点所应属于的聚类子集编号 每 个聚类子集中的类中心向量 每个聚类子集中与类中心向量的相似度的 最小值 2)在线阶段,当用户通过改备接收到当前所在位置的RSS信号向量后,首先将之与数 据库屮M个类中心向量进行相似度运算,得岀的相似度值 ,若的最大值 不小」,则判定信号向量属」编号为a的类中,那么,只需将信号向量与此类中的所有 指纹向量来进行匹配定位即可 假设整个指纹数据库的数据总数为N,未引入AP算法前,若对整个数据库进行遍历,次 数为N;若AP算法输出M个类,每个类的数据量为 ,那么,在匹配算法的遍 历过程中计算量为(+)∈,其中M为与M个类中心的遍历次数,为某一个子类中 的指纹点数目,遍历效率提高了 实验结果 实验采用地域血积为3万半米左右(指纹库总量为320,米集间隔为10米)的室内环境来 验证AP算法两个参数对聚类结果的影响,进一步选取合适参数来进行定位效率验证。实验中 聚类中心经过10次迭代后仍无变化则认为聚类算法凵经收敛,可认为迭代完成,且若经100 山国武花论文在丝 达代后仍未收敛,也认为达代完成。 表1表示参数λ参数P变化时对AP算法的影响。参数P的变化范围为相似度S的最大值-59 和最小值-66094之间,取值为从中值-33077到最小值和最大值各分成五等分;参数九变化 范围为(0.10.9)。 表参数九参数变化时算法的结果(是否收敛与聚类个数) 0.9 0.8 0.70.6 0.5 0.4 0 0.2 0.1 不收敛不收敛不收敛 不收敛不收敛不收敛 不收敛不收敛不收敛 不收敛不收敛不收敛 不收敛不收敛 不收敛不收敛不收敛 不收敛不收敛不收敛 不收敛不收敛不收敛 不收敛不收敛不收敛不收敛 不收敛不收敛不收敛 不收敛不收敛不收敛不收敛不收敛不收敛不收敛不收敛不收敛 由上表看出当2取值为0.4-0.6时且P取小于等于-39680时输出类数趋于稳定。 由此,对于此定位环境,取 P值取相似度S中值与最小值之间五等分点的第二 分点,即=(-)*/+ 经山AP算法输出16个子类。按照此种划分,将指纹库划分为16个子类,然后用KN算法 进行定位匹配,分别进行三次仿真,三次仿真表小分别在大场景中的三个不同小区域进行100 次定位,给山采用AP算法前后的定位时间对比如下 表采用算法和普通指纹定位算法的定位时间 仿真次数采用A算法后100次定位总时间当通指纹算法100次定位总时间 26.7s 69.3s 29.9s 63.5s 64.7s 平均 28 65.8s 可知,米用AP算法后定位平均时间比原来减少了了57%,提高了定位的效率。 结论 为了提高传统的指纹匹配算法的效率,本文将仿射传播聚类算法引入指纹定位算法中 减少了匹配算法中遍历过程的运算量,减少了定位运算时间。本文所提出的算法也存在不足 与改进之处,因为,对于仿射传播聚类算法本身,两个参数偏向参数p和阻尼系数入值的 确定会对聚类结果产生影响,偏向参数影响聚类的数口,阻尼系统影响着聚类的收敛性,如 何找到一种普适的方法来确定这两个参数的最优值从而得到最优的聚类结果还有待进一步 的研究 参考文献 占贵,刘杰,赵连宁聚类算法研究软件学报 徐森,卢志茂,国昌解决文本聚类集成问题的两个谱算法自动化学报, 山国武技论文在丝 羨慧,賈衎,张选平,扃洪江采用仿射传播的聚类集成算法西安交通大学学报, 王开军,张军英,李丹,张新娜,郭涛自适应仿射传播聚类自动化学报,

...展开详情
试读 6P 论文研究-基于仿射传播聚类辅助的指纹定位算法 .pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
    抢沙发
    一个资源只可评论一次,评论内容不能少于5个字
    上传资源赚积分,得勋章
    最新推荐
    论文研究-基于仿射传播聚类辅助的指纹定位算法 .pdf 7积分/C币 立即下载
    1/6
    论文研究-基于仿射传播聚类辅助的指纹定位算法 .pdf第1页
    论文研究-基于仿射传播聚类辅助的指纹定位算法 .pdf第2页

    试读已结束,剩余4页未读...

    7积分/C币 立即下载 >