排序方式: 共有5条查询结果,搜索用时 31 毫秒
1
1.
2.
3.
为提高移动终端的自动化定位精度,提出一种基于细粒度WIFI指纹地图+改进KNN的移动终端定位方法。其中,首先采用DBSCAN聚类算法对移动终端的位置数据进行预处理,为后续的定位奠定基础;其次,提出基于细粒度WIFI指纹地图生成指纹地图,进而提高后续移动终端的定位精度;最后采用改进KNN算法实现移动终端的定位。通过MATLAB软件进行实验仿真,仿真结果表明,与其他基线模型相比,本研究构建的指纹地图模型能够完成更高精度的定位;与粗粒度指纹地图相比,本研究所在于的细粒度指纹地图算法有着更高的精度,定位误差仅为8.29 m。以上实验结果验证了本研究构建的定位方法的可行性和合理性,具有一定的实用价值。 相似文献
4.
5.
为了提升水电站设备运行的智能化水平,研究基于机器学习的水电站辅机系统设备故障诊断方法、西部修试公司在调峰调频公司两个中心(数据中心、应用中心)前期研究成果下,开发、利用日臻完善的电力信息化平台获取运行设备状态和工况信息,从大数据本身内在规律分析的角度研究设备状态演变的关联关系和发展趋势,构建天二公司基于机器学习的辅助系统设备状态监测算法及数据分析模型框架,为设备稳定、安全、经济运行提供判断依据,为设备检修、退役决策提供支持。本项目选取了固有模态函数能量熵方法提取水电站辅机系统设备状态特征,该方法利用快速集合经验模态分解方法快速分解水电站辅机系统设备的振动信号,计算分解后振动信号的模态分量能量熵,所获取的模态分量能量熵即水电站辅机系统设备的状态特征,设置所提取的水电站辅机系统设备的状态特征作为模糊支持向量机模型的输入样本,模糊支持向量机模型的输出结果即水电站辅机系统设备的故障诊断结果。实验结果表明,该方法可以有效诊断水电站辅机系统设备故障,故障诊断准确率高于98.5%。 相似文献
1