简介:惯性导航系统是目前室内定位和导航领域一项非常重要的技术,但是传统惯性导航系统中是利用算法融合地磁罗盘及陀螺仪等数据,进而提高相对位置的精度,但却无法修正已经产生的误差.所以传统惯性导航系统在内部构造复杂的室内很容易出现走错房间,穿越墙体等错误路径.为了解决这些问题,提出一种基于维特比算法的室内导航方法,利用自建室内地磁数字地图结合维特比算法,动态计算可能路径.利用维特比算法特性提高了输出路径的纠错能力,可有效排除错误路径的干扰.本导航方法能有效避免穿墙错误路径的出现,更加符合实际行走路径.试验结果表明,相对传统惯性导航系统,它在复杂室内环境下进入正确房间的准确率提高了23%.
简介:域自适应算法是一种能有效解决训练集(源域)和测试集(目标域)样本分布不一样但是具有相关性的方法.文章提出一个跨领域分布适配超限学习机(DDM-ELM)用于解决域自适应问题.DDM-ELM旨在基于超限学习机的框架下,充分利用丰富的有标签源域样本和无标签目标域样本,得出一个精确的目标域分类器.具体来说,DDM-ELM同时满足以下目标:1)最小化源域样本的分类误差;2)通过最小化投影最大化均值偏差来有效减小源域和目标域的分布差距;3)利用目标域样本的流形正则化来探索目标域样本的几何机构特性.这使得DDM-ELM能在同时继承超限学习机优点的前提下更加适合于目标域样本.经过大量的实验结果证明,相比于几种先进的域自适应方法,DDM-ELM在分类准确率和效率上均有所提高.