井下动态环境基于DAE的XGBoost自适应定位算法研究
洪金祥,崔丽珍,窦占树
内蒙古科技大学
2024-10-09
针对煤矿井下高动态环境导致WiFi定位模型的精度降低的问题,提出极端梯度提升(XGBoost)的指纹定位算法,利用其高维数据特征的学习能力完成定位。与传统的梯度提升树(GBDT)算法相比,在完成更好定位效果的同时,速度也大大提升。同时针对WiFi数据的波动性和XGBoost算法面对动态环境模型漂移问题,分别提出融合降噪自编码器(DAE)和自适应机制的DXGBoost算法和ZXGBoost算法。 实验结果表明:XGBoost算法的定位精度比GBDT算法提高了,效率提高了5 倍多。融合DAE的DXGBoost算法的定位准确率比XGBoost算法提高了17 % ;融合了自适应机制的ZXGBoost算法有效降低了模型漂移造成的误差。所提改进算法更好地改善了WiFi定位模型精度降低和模型漂移问题。
  • 动态环境
年份: 2024年
下载文档 2.00元
引用
分享
来源期刊
内容目录
  • 引言

  • 1、极端梯度提升

  • 2、DXGBoost算法

  • 3、ZXGBoost算法

  • 4、实验方案与结果

    • 4.1 实验1降低信号波动性实验

    • 4.2 实验2自适应降低模型漂移实验

  • 5、结论

核心点推荐
  • 极端梯度提升;井下指纹定位;模型漂移;降噪自编码器;误差补偿