分區(qū)域BES-ELM融合WDME加權(quán)雙模的室內(nèi)可見光定位

摘要： 針對室內(nèi)定位精度低、邊界區(qū)域定位誤差大等問題，提出一種禿鷹搜索算法-極限學習機（bald eagle search-extreme learning machine,BES-ELM）神經(jīng)網(wǎng)絡(luò)融合加權(quán)雙模邊緣（weighted dualmode edge,WDME）定位模型的室內(nèi)可見光定位方法。該方法提出采用單LED和5個光電探測器可見光系統(tǒng)結(jié)構(gòu)，通過模糊C均值聚類算法實現(xiàn)房間區(qū)... （共10頁）