<track id="j575v"><span id="j575v"><th id="j575v"></th></span></track>
<address id="j575v"></address>

    <video id="j575v"><progress id="j575v"><progress id="j575v"></progress></progress></video>

      <p id="j575v"></p>

    
    
      <form id="j575v"><dl id="j575v"></dl></form>
      <video id="j575v"></video><nobr id="j575v"></nobr><video id="j575v"></video>
        <track id="j575v"></track>

        <pre id="j575v"></pre><big id="j575v"><span id="j575v"></span></big>

            您當前所在位置: 首頁 > 首發論文
            動態公開評議須知

            1. 評議人本著自愿的原則,秉持科學嚴謹的態度,從論文的科學性、創新性、表述性等方面給予客觀公正的學術評價,亦可對研究提出改進方案或下一步發展的建議。

            2. 論文若有勘誤表、修改稿等更新的版本,建議評議人針對最新版本的論文進行同行評議。

            3. 每位評議人對每篇論文有且僅有一次評議機會,評議結果將完全公示于網站上,一旦發布,不可更改、不可撤回,因此,在給予評議時請慎重考慮,認真對待,準確表述。

            4. 同行評議僅限于學術范圍內的合理討論,評議人需承諾此次評議不存在利益往來、同行競爭、學術偏見等行為,不可進行任何人身攻擊或惡意評價,一旦發現有不當評議的行為,評議結果將被撤銷,并收回評審人的權限,此外,本站將保留追究責任的權利。

            5. 論文所展示的星級為綜合評定結果,是根據多位評議人的同行評議結果進行綜合計算而得出的。

            勘誤表

            上傳勘誤表說明

            • 1. 請按本站示例的“勘誤表格式”要求,在文本框中編寫勘誤表;
            • 2. 本站只保留一版勘誤表,每重新上傳一次,即會覆蓋之前的版本;
            • 3. 本站只針對原稿進行勘誤,修改稿發布后,不可對原稿及修改稿再作勘誤。

            示例:

            勘誤表

            上傳勘誤表說明

            • 1. 請按本站示例的“勘誤表格式”要求,在文本框中編寫勘誤表;
            • 2. 本站只保留一版勘誤表,每重新上傳一次,即會覆蓋之前的版本;
            • 3. 本站只針對原稿進行勘誤,修改稿發布后,不可對原稿及修改稿再作勘誤。

            示例:

            上傳后印本

            ( 請提交PDF文檔 )

            * 后印本是指作者提交給期刊的預印本,經過同行評議和期刊的編輯后發表在正式期刊上的論文版本。作者自愿上傳,上傳前請查詢出版商所允許的延緩公示的政策,若因此產生糾紛,本站概不負責。

            發郵件給 王小芳 *

            收件人:

            收件人郵箱:

            發件人郵箱:

            發送內容:

            0/300

            論文收錄信息

            論文編號 202105-183
            論文題目 基于極限學習機多重回歸的可見光定位研究
            文獻類型
            收錄
            期刊

            上傳封面

            期刊名稱(中文)

            期刊名稱(英文)

            年, 卷(

            上傳封面

            書名(中文)

            書名(英文)

            出版地

            出版社

            出版年

            上傳封面

            書名(中文)

            書名(英文)

            出版地

            出版社

            出版年

            上傳封面

            編者.論文集名稱(中文) [c].

            出版地 出版社 出版年, -

            編者.論文集名稱(英文) [c].

            出版地出版社 出版年,-

            上傳封面

            期刊名稱(中文)

            期刊名稱(英文)

            日期--

            在線地址http://

            上傳封面

            文題(中文)

            文題(英文)

            出版地

            出版社,出版日期--

            上傳封面

            文題(中文)

            文題(英文)

            出版地

            出版社,出版日期--

            英文作者寫法:

            中外文作者均姓前名后,姓大寫,名的第一個字母大寫,姓全稱寫出,名可只寫第一個字母,其后不加實心圓點“.”,

            作者之間用逗號“,”分隔,最后為實心圓點“.”,

            示例1:原姓名寫法:Albert Einstein,編入參考文獻時寫法:Einstein A.

            示例2:原姓名寫法:李時珍;編入參考文獻時寫法:LI S Z.

            示例3:YELLAND R L,JONES S C,EASTON K S,et al.

            上傳修改稿說明:

            1.修改稿的作者順序及單位須與原文一致;

            2.修改稿上傳成功后,請勿上傳相同內容的論文;

            3.修改稿中必須要有相應的修改標記,如高亮修改內容,添加文字說明等,否則將作退稿處理。

            4.請選擇DOC或Latex中的一種文件格式上傳。

            上傳doc論文   請上傳模板編輯的DOC文件

            上傳latex論文

            * 上傳模板導出的pdf論文文件(須含頁眉)

            * 上傳模板編輯的tex文件

            回復成功!


            • 0

            基于極限學習機多重回歸的可見光定位研究

            首發時間:2021-05-25

            趙晨陽 1   

            趙晨陽(1999),男,研究生,主要研究方向為可見光通信與定位

            柯煒 1   

            柯煒,副教授,主要研究方向為無線與可見光定位

            • 1、南京師范大學計算機與電子信息學院/人工智能學院,江蘇 210023

            摘要:近年來可見光定位逐漸成為了室內定位的新方法,相較于室外定位,可見光室內定位為了避免可見光反射干擾、多徑效應等影響,將采用位置指紋法進行定位。本文在離線階段對小樣本采樣點插值重構光場擴充指紋庫,達到增添樣本量,同時減少工作負擔的目的;在在線階段,引入極限學習機算法實現快速精準定位,并利用極限學習機多重回歸的思想,提高了定位速度及精準度。試驗結果表明,插值前與插值后的定位精度提升了近5倍。同時,利用極限學習機進行插值與定位,最終定位精度平均誤差減少至0.036m左右,相較于BP神經網絡等算法,具有著高效、泛化能力強的優勢。

            關鍵詞: 可見光室內定位 位置指紋法 插值 極限學習機

            For information in English, please click here

            Visible light positioning research based on multiple regression of extreme learning machine

            ZHAO Chenyang 1   

            趙晨陽(1999),男,研究生,主要研究方向為可見光通信與定位

            KE Wei 1   

            柯煒,副教授,主要研究方向為無線與可見光定位

            • 1、School of Computer and Electronic Information&College of Artificial Intelligence, Nanjing Normal University, Jiangsu 210023, China

            Abstract:In recent years, visible light positioning has gradually become a new method of indoor positioning. Compared with outdoor positioning, in order to avoid visible light reflection interference and multipath effects, visible light indoor positioning will use location fingerprinting for positioning. In the offline stage, this paper interpolates and reconstructs the light field of small sample sampling points to expand the fingerprint library. In the online stage, the extreme learning machine algorithm is introduced to achieve fast and accurate positioning, and the idea of multiple regression of the extreme learning machine is used to improve the positioning speed and accuracy. The test results show that the positioning accuracy before and after interpolation iResearch on visible light positioning based on multiple regression of extreme learning machines improved by nearly 5 times. At the same time, using the extreme learning machine for interpolation and positioning, the final positioning accuracy average error is reduced to about 0.036m. Compared with algorithms such as BP neural network, it has the advantages of high efficiency and strong generalization ability.

            Keywords: Visible light indoor positioning Location fingerprinting Interpolation Extreme learning machine

            Click to fold

            點擊收起

            論文圖表:

            引用

            導出參考文獻

            .txt .ris .doc
            趙晨陽,柯煒. 基于極限學習機多重回歸的可見光定位研究[EB/OL]. 北京:中國科技論文在線 [2021-05-25]. http://www.c1gkrice.com/releasepaper/content/202105-183.

            No.****

            動態公開評議

            共計0人參與

            動態評論進行中

            評論

            全部評論

            0/1000

            勘誤表

            基于極限學習機多重回歸的可見光定位研究

            久久久久久精品免费免费_香港经典a毛片免费观看变态_天堂av无码大芭蕉伊人av_俄罗斯强奷女人在线播放