受约束kNN回归在噪声数据中的应用.pdf

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
受约束kNN回归在噪声数据中的应用

第 41卷 第 12期 计 算 机 工 程 2015年 l2月 Vo1.41 NO.12 ComputerEngineering December20l5 · 开发研究与工程应用 · 文章编号:1000-3428(2015)12-0275-05 文献标识码:A 中图分类号:TP181 受约束 N回归在噪声数据中的应用 张 衡 ,金 鑫 ,秦晓倩 (1.南京航空航天大学计算机科学与技术学院,南京 210016;2.淮阴师范学院,江苏 淮安 223300) 摘 要 :基于无线信号的室 内定位技术所采用的定位算法在很大程度上受到无线信号中噪声数据的影响,性能得 不到保证 。为此,提出一种受约束的k最邻近(kNN)回归算法 ,提升原始 kNN算法对噪声的鲁棒性。假设噪声点 对于预测不同测试样本的影响各不相同,通过训练集(含噪声)划分,即以数据驱动的方式把噪声点划分到合适的 子集中,并且限定测试样例的最优近邻搜索空间为其最近邻子集的方式来约束噪声对于kNN算法的影响。实验 结果表 明,在蓝牙指纹数据的室内定位中,受约束的kNN回归算法明显优于对 比算法,达到 2.4m 的定位精度 ,基 本满足室 内定位的应用要求。 关键词:无线蓝牙;室 内定位;受约束的k最邻近;信号强度;噪声数据 中文 引用格式 :张 衡 ,金 鑫 ,秦晓倩 .受约束 的kNN 回归在噪声数据 中的应用 [J].计算机工程 ,2015,41(12): 275—279,287. 英文引用格式:ZhangHeng,JinXin,QinXiaoqian.ApplicationofConstrainedkNN RegressioninNoisyData[J]. ComputerEngineering,2015,41(12):275—279,287. Application ofConstrainedkNN Regression in NoisyData ZHANG Heng。,JIN Xin ,QIN Xiaoqian (1.CollegeofComputerScienceandTechnology,NanjingUniversityofAeronauticsandAstronautics, Nanjing210016,China;2.HuaiyinNormalUniversity,Huai’an223300,China) 【Abstract】Wirelessindoorpositioningtechniquesaregreatlyaffectedbynoisedataandtheperformancecannotbe guaranteedwhen using theselocation algorithms.ThispaperproposesaConstrainedk—NearestNeighbor(CkNN) regression forbluetooth—basedindoorpositioningwhichsignificantlyimprovestheeffectivenessandrobustnessoforiginal kNN .Itarguesthattheaffectofthenoiseinthetrainingsetdiffersfrom differenttestinstance.Ifthetrainingsetcanbe partitionedintoseveraldisjointsubsetswherethenoisypointsareappropriatelyassigned,andconstrainthesearchspaceof nearestneighborsofthetestpointintoitsnearestsubset,theimpactofnoisypointsinthetraining setcanbeminimized. ExperimentalresultshowsthatCkNN regression method outperformsotheralgorithm

文档评论(0)

hhuiws1482 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:5024214302000003

1亿VIP精品文档

相关文档