典型文献
基于块稀疏编码的物联网无源定位机器学习
文献摘要：
针对传统的无源定位机器学习算法存在定位精度低、鲁棒性差等缺点,提出一种基于块稀疏编码的物联网环境下无源定位机器学习算法.引入块稀疏编码策略,利用l1,2范数作为正则项,充分利用无源定位信号的自然群结构实现稀疏解中的群选择;引入近端算子,有效解决提出方法中的非光滑凸优化问题;在原始感知信号中加入严重的高斯噪声,保护网络隐私,提高模型的鲁棒性.实际数据驱动的实验结果表明,该算法在强噪声环境下仍能获得鲁棒的定位和信号恢复性能,优于现有的无源定位方法,验证了该方法的有效性.
文献关键词：
无源定位;机器学习;物联网;块稀疏编码;鲁棒性
中图分类号：
作者姓名：
江河;李晓茹;孙敏
作者机构：
太原学院 计算机科学与技术系,山西 太原 030012;山西大学 计算机与信息技术学院,山西 太原 030006
文献出处：
引用格式：
[1]江河;李晓茹;孙敏-.基于块稀疏编码的物联网无源定位机器学习)[J].计算机工程与设计,2022(09):2502-2510
A类：
块稀疏编码
B类：
无源定位,机器学习算法,定位精度,物联网环境,l1,范数,正则项,稀疏解,近端算子,非光滑凸优化,凸优化问题,原始感,高斯噪声,保护网,网络隐私,实际数据,强噪声,噪声环境,信号恢复,恢复性能,定位方法
AB值：
0.269928
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
