發(fā)布時(shí)間：2020-11-10 09:47

　　 隨著機(jī)器學(xué)習(xí)的不斷發(fā)展,位置指紋定位的問題可以轉(zhuǎn)化為機(jī)器學(xué)習(xí)的問題。極限學(xué)習(xí)機(jī)(ELM)算法具有學(xué)習(xí)速度快,計(jì)算復(fù)雜度低,泛化性能好的優(yōu)點(diǎn),已經(jīng)被廣泛應(yīng)用于室內(nèi)定位中。但是在室內(nèi)定位中,訓(xùn)練數(shù)據(jù)中的指紋-接收信號(hào)強(qiáng)度(RSS)測量值容易受到惡意節(jié)點(diǎn)的攻擊。同時(shí)由于離線數(shù)據(jù)庫采集開銷大,往往訓(xùn)練數(shù)據(jù)樣本比較少。因此,本文開展了基于上述兩個(gè)問題的極限學(xué)習(xí)機(jī)定位算法的研究工作。研究內(nèi)容如下:(1)首先介紹了指紋定位技術(shù)的系統(tǒng)模型和工作原理,在此基礎(chǔ)上描述了常用的位置指紋匹配算法。然后研究了極限學(xué)習(xí)機(jī)的相關(guān)理論,并對激活函數(shù)進(jìn)行了詳細(xì)描述,為后續(xù)的研究工作打下理論基礎(chǔ)。(2)在惡意節(jié)點(diǎn)攻擊條件下,提出了一種基于在線極限學(xué)習(xí)機(jī)和層次聚類技術(shù)的安全定位算法。在離線階段,利用層次聚類技術(shù)辨別受到攻擊的訓(xùn)練數(shù)據(jù)樣本。最后利用在線極限學(xué)習(xí)機(jī)訓(xùn)練離線指紋數(shù)據(jù)訓(xùn)練庫中未受到攻擊的訓(xùn)練數(shù)據(jù)樣本,獲得接收信號(hào)強(qiáng)度測量值和所在位置的關(guān)系,得到位置遞歸函數(shù)。在線階段,將采集到的信號(hào)強(qiáng)度向量代入離線階段訓(xùn)練好的位置遞歸模型,得到位置估計(jì)值。算法將層次聚類技術(shù)和在線極限學(xué)習(xí)機(jī)應(yīng)用于定位,利用層次聚類技術(shù)辨別受攻擊的訓(xùn)練數(shù)據(jù)樣本,排除野值點(diǎn)對離線訓(xùn)練的影響。同時(shí)利用在線極限學(xué)習(xí)機(jī)的連續(xù)學(xué)習(xí)能力,提升在線定位性能。(3)在小訓(xùn)練數(shù)據(jù)集下,提出基于多激活函數(shù)的極限學(xué)習(xí)機(jī)定位算法。離線階段,為了增加非線性以及靈活性,由多種激活函數(shù)組成的多激活函數(shù)對訓(xùn)練數(shù)據(jù)進(jìn)行基于位置的回歸學(xué)習(xí)。利用交叉驗(yàn)證算法獲得多激活函數(shù)的最優(yōu)權(quán)重系數(shù),從而獲得更好的學(xué)習(xí)和泛化性能。在線階段,當(dāng)接收到RSS測量值后,利用位置回歸函數(shù)計(jì)算最終的目標(biāo)位置。同時(shí)對所提算法的訓(xùn)練誤差進(jìn)行了理論分析,理論推導(dǎo)給出了該算法定位誤差的上、下限,從而證明該算法定位性能的優(yōu)越性。
【學(xué)位單位】：南京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP181;TN92
【部分圖文】：

論文 第二章 指紋定位算法和極限學(xué)習(xí)機(jī)理論介紹8圖 2.1 位置指紋定位算法的流程圖2.1.3 指紋定位算法的理論分析在位置指紋定位過程中，我們通常會(huì)運(yùn)用到如下一些技術(shù)：（1）信號(hào)濾波算法由于室內(nèi)的復(fù)雜環(huán)境，我們采集到的信號(hào)仍然會(huì)受到各種干擾：人的走動(dòng)造成的阻擋，環(huán)境噪聲等，所以需要對采集到的信號(hào)進(jìn)行濾波。因?yàn)樾枰陔x線階段采集非常多的數(shù)據(jù)，可以選用平均濾波，高斯濾波等方法；但是在線定位階段不需要采集很多數(shù)據(jù)然后再濾波，所以可以選用輸入與輸出比值為 1：1 的濾波算法，通常選擇滑動(dòng)加權(quán)濾波，卡爾曼濾波方法。（2）融合其他傳感器當(dāng)今的移動(dòng)終端比如手機(jī)中含有非常多的各種類型的傳感器：加速度傳感器，陀螺儀，方向傳感器等，實(shí)驗(yàn)證明，信號(hào)的接收方向?qū)Χㄎ痪扔兄艽蟮挠绊�，所以位置指紋定位方法可以融合其他傳感器實(shí)現(xiàn)慣性導(dǎo)航定位。（3）數(shù)據(jù)庫技術(shù)在位置指紋定位方法中，我們需要運(yùn)用一定的數(shù)據(jù)組織來保存我們采集到的指紋數(shù)據(jù)，指紋數(shù)據(jù)包括不同點(diǎn)的位置坐標(biāo)以及對應(yīng)的接收信號(hào)強(qiáng)度 RSS，讓后續(xù)的匹配算法更加高效。（4）位置指紋匹配算法我們需要通過匹配算法將目標(biāo)定位點(diǎn)測得的接收信號(hào)強(qiáng)度與指紋數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行匹配，獲得相應(yīng)的位置信息，完成定位[50]。我們將在 2.2 節(jié)介紹一些常用的位置指紋匹配算法。位置指紋定位最大的優(yōu)點(diǎn)就是硬件要求低

圖 2.4 ELM 算法結(jié)構(gòu)框圖輸入層，n表示樣本的特征維度，jx 表示第 j 個(gè)獨(dú)中間的是隱層，L 表示隱層節(jié)點(diǎn)的數(shù)目， 的值越層 節(jié) 點(diǎn) 與 輸 入 層 的 連 接 權(quán) 值 為 aii， 1,2, 一個(gè) 維向量，第 個(gè)隱層節(jié)點(diǎn)的偏差值為ib ，是中不需要調(diào)整， h (x)表示的是激活函數(shù)，第 個(gè)隱是輸出層，輸出為jo 。本 xjNjj( ,t)， 1,2, ，那么這個(gè)單隱層前饋神經(jīng)haxbojNijijLii(),1,2, 1 +
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馮林;劉勝藍(lán);張晶;王輝兵;;高維數(shù)據(jù)中魯棒激活函數(shù)的極端學(xué)習(xí)機(jī)及線性降維[J];計(jì)算機(jī)研究與發(fā)展;2014年06期

2 黃敬頻,周永權(quán);可調(diào)激活函數(shù)神經(jīng)元參數(shù)選取方法研究[J];工程數(shù)學(xué)學(xué)報(bào);2005年06期

3 吳佑壽,趙明生;激活函數(shù)可調(diào)的神經(jīng)元模型及其有監(jiān)督學(xué)習(xí)與應(yīng)用[J];中國科學(xué)E輯:技術(shù)科學(xué);2001年03期

4 鄭宗生;劉兆榮;黃冬梅;宋巍;鄒國良;侯倩;郝劍波;;基于改進(jìn)激活函數(shù)的用于臺(tái)風(fēng)等級分類的深度學(xué)習(xí)模型[J];計(jì)算機(jī)科學(xué);2018年12期

5 王平;韓琦;;陟槽型激活函數(shù)細(xì)胞神經(jīng)網(wǎng)絡(luò)穩(wěn)定點(diǎn)研究[J];重慶大學(xué)學(xué)報(bào);2014年08期

6 黃敬頻,周永權(quán);可調(diào)激活函數(shù)遞進(jìn)提升輸出維的選參方法[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2005年01期

7 賀揚(yáng);成凌飛;張培玲;李艷;;一種新型激活函數(shù):提高深層神經(jīng)網(wǎng)絡(luò)建模能力[J];測控技術(shù);2019年04期

8 王東平,周尚波,虞厥邦;時(shí)延神經(jīng)元振蕩激活函數(shù)模型中的混沌[J];四川大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年03期

9 麥應(yīng)潮;陳云華;張靈;;具有生物真實(shí)性的強(qiáng)抗噪性神經(jīng)元激活函數(shù)[J];計(jì)算機(jī)科學(xué);2019年07期

10 田娟;李英祥;李彤巖;;激活函數(shù)在卷積神經(jīng)網(wǎng)絡(luò)中的對比研究[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2018年07期

相關(guān)博士學(xué)位論文 前8條

1 黃玉嬌;具有廣義分段線性激活函數(shù)的遞歸神經(jīng)網(wǎng)絡(luò)的多穩(wěn)定性分析[D];東北大學(xué);2014年

2 孫煒晨;基于深度學(xué)習(xí)的圖像分類[D];北京郵電大學(xué);2017年

3 阿卜杜杰力力·阿卜杜熱合曼;具有連續(xù)或不連續(xù)激活函數(shù)的憶阻神經(jīng)網(wǎng)絡(luò)的同步控制研究[D];新疆大學(xué);2016年

4 李金城;大規(guī)模圖像檢索和識(shí)別中的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)及其應(yīng)用[D];華南理工大學(xué);2013年

5 張新明;水電站水庫群中長期徑流預(yù)報(bào)及短期優(yōu)化調(diào)度研究[D];華北電力大學(xué);2014年

6 王鑫;基于高分辨率遙感影像的植被分類方法研究[D];北京林業(yè)大學(xué);2015年

7 李雨珂;神經(jīng)網(wǎng)絡(luò)協(xié)同學(xué)習(xí)理論及應(yīng)用研究[D];浙江大學(xué);2015年

8 常飛;衛(wèi)星地面站數(shù)傳資源配置優(yōu)化模型與算法研究[D];國防科學(xué)技術(shù)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 李乾;人臉情緒識(shí)別深度學(xué)習(xí)模型研究與應(yīng)用[D];湘潭大學(xué);2019年

2 常圓圓;深度學(xué)習(xí)網(wǎng)絡(luò)的快速計(jì)算關(guān)鍵技術(shù)研究[D];南京郵電大學(xué);2019年

3 路培彬;不完整數(shù)據(jù)集下基于極限學(xué)習(xí)機(jī)的室內(nèi)定位算法研究[D];南京郵電大學(xué);2019年

4 范宗皓;基于深度學(xué)習(xí)的火災(zāi)煙霧識(shí)別算法研究[D];華北電力大學(xué)(北京);2019年

5 李紅梅;深度回聲狀態(tài)網(wǎng)絡(luò)的優(yōu)化算法研究[D];電子科技大學(xué);2019年

6 羅誠;面向深度學(xué)習(xí)的自適應(yīng)激活函數(shù)的研究[D];浙江工業(yè)大學(xué);2018年

7 張林;基于短文本（句子級）的情感分類研究[D];吉林大學(xué);2019年

8 李曉曉;非線性和容忍噪聲的零化神經(jīng)網(wǎng)絡(luò)研究及其在優(yōu)化計(jì)算中的應(yīng)用[D];曲阜師范大學(xué);2019年

9 駱訓(xùn)浩;卷積神經(jīng)網(wǎng)絡(luò)中非線性激活函數(shù)的研究與應(yīng)用[D];大連理工大學(xué);2018年

10 李趙迪;基于深度學(xué)習(xí)的程序識(shí)別算法的優(yōu)化[D];西安電子科技大學(xué);2018年

本文編號(hào)：2877791