基于優化RBF神經網絡的無線室內定位

摘要：針對徑向基函數(Radial Basis Function,RBF)神經網絡算法在無線網絡室內定位中拓撲結構和網絡參數難以確定,其定位效果不理想的問題,提出了一種用核主成分分析的模糊C均值聚類算法(Fuzzy C-Means clustering algorithm based on Kernel Principal Component Analysis,KPCA-FCM)和模擬退火自適應遺傳算法(Simulated Annealing adaptive Genetic Algorithm,SAGA)優化RBF神經網絡的無線室內定位算法。首先利用KPCA對原始訓練數據樣本進行數據預處理,再通過KPCA-FCM算法計算出最優聚類數目和聚類中心點;其次將聚類數目和聚類中心點作為隱含層神經元個數和中心值,創建RBF神經網絡,并將其網絡參數映射到SAGA算法中;再次由SAGA算法進行網絡參數尋優,把最優的解映射回RBF神經網絡;最后利用樣本數據對RBF神經網絡進行訓練和測試,完成建立RBF神經網絡算法模型。實驗表明,在相同的環境中,所提算法比傳統RBF神經網絡定位精度提高了48.41%。