为提高定位效率，提出了一种基于多分布密度位置指纹、精度渐进的室内定位算法。该算法把定位区域分为多个局部区域，并设定不同分布密度的参考位置点，根据来自锚节点的接收信号强度（RSS）时间和强度分布，通过各局部区域对应的信号覆盖向量和主成分分析法（PCA）提取的稀疏指纹的特征实现层次化匹配，有效减少在线指纹匹配过程的计算量，有利于目标节点存储空间和能耗的优化。实验结果表明，提出的算法在定位精度上不逊于其他室内定位算法，并且对锚节点分布密度依赖度小。
2022-03-19 21:13:32
734KB
1
车辆油耗是道路建设后评价的重要指标之一,同时也是道路路面设计、加油站选址、路径选择等问题的决策依据.传统的车辆油耗估计主要采用回归建模的方式,本文基于决策树数据挖掘方法给出了一种车辆油耗的估计模型.首先,利用主成分分析法获取影响车辆油耗的关键因素;其次,基于改进的C4.5决策树构建车辆油耗估计模型;最后,结合1组高速公路场景下车辆油耗的典型样本数据,对本文模型进行验证,通过对车辆油耗预测值与真实值的误差分析,表明本文模型的有效性和实用性.
2022-03-19 21:03:07
1.64MB
1
智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码
2022-03-18 21:50:52
574KB
1
文章目录1. 总体主成分分析2. 样本主成分分析3. 主成分分析方法3.1 相关矩阵的特征值分解算法3.2 矩阵奇异值分解算法4. sklearn.decomposition.PCA
主成分分析（Principal Component Analysis，PCA）是一种常用的无监督学习方法
利用正交变换把由线性相关变量表示的观测数据 转换为 少数几个由线性无关变量表示的数据，线性无关的变量 称为 主成分
主成分的个数通常小于原始变量的个数，所以PCA属于降维方法
主要用于发现数据中的基本结构，即数据中变量之间的关系，是数据分析的有力工具，也用于其他机器学习方法的前处理
PCA属于多元统计分析的经
2022-03-09 10:37:28
108KB
1
基于主成分分析法的天津市生态宜居城市建设指标与评价研究，王小双，张雪花，近年来，城市问题层出不穷，建设生态宜居城市，给人类营造健康、舒适的生存环境，符合科学发展观，对人类发展具有重大意义。生态
2022-03-05 15:09:24
631KB
1
提出一种针对三维点云的快速全局配准算法, 用于估计两组相似点云在空间中的刚性位姿变化关系。首先通过计算两组点云的三个主成分向量, 配合各自中心点形成自身主成分(PC)坐标系。然后对两组点云分别进行坐标系转换, 再利用最近点的欧氏距离均值校正对应PC坐标轴的方向, 得到两组相似点云的大致位姿变化关系。经过上述粗配准后利用快速迭代最近点(ICP)算法, 即可实现任意位姿关系下两组点云的快速精确配准。实验结果表明, 该方法对任意两组形状和完整度相似的点云都可以实现任意位姿下的全局配准, 并且具有较高的速度与精确度。
2022-03-04 22:28:39
7.45MB
1