摘要：为解决最小二乘支持向量回归(least-square support vector regression,LS-SVR)定位精度不高的问题,提出基于LS-SVR的混合定位算法,充分考虑未知节点之间的距离信息在定位过程中的有效修正作用。通过LS-SVR算法提供初始值,提高多元Taylor级数展开法的收敛速度;通过多元Taylor级数展开法,充分利用未知节点之间的距离信息,减小测距误差造成的定位误差。仿真结果表明,与传统LS-SVR定位算法相比,混合定位算法的精度更高,减少了正则化参数和核参数的选取对定位精度的影响。
分类：期刊> 自然科学与工程技术> 信息科技> 电子信息科学综合
收录：北大期刊(中国人文社会科学期刊) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > SA 科学文摘(英) > JST 日本科学技术振兴机构数据库(日) > Pж(AJ) 文摘杂志(俄) > 哥白尼索引(波兰) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：多元泰勒级数展开 定位模型 最小二乘支持向量回归 定位精度 混合算法
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
