基于QPSO优化ELM算法的井下快速定位方法研究
高淑春
于蕾
合肥职业技术学院信息工程与传媒学院,安徽合肥 230000
摘要：近年来,基于WiFi的井下人员定位算法受到了广泛关注,为进一步提高定位算法的速度和精度,提出了一种基于量子粒子群(QPSO)优化极限学习机(ELM)算法的井下人员快速定位方法.首先将优化的K均值聚类算法(K-means)引入定位流程,通过对位置指纹库进行聚类划分,降低单次识别需要的时间;其次利用QPSO算法优越的优化能力,提高ELM算法的定位精度,最终实现对井下人员的高效、准确定位.仿真实验结果表明,提出的基于量子粒子群优化极限学习机的井下快速定位方法,能够提高定位的精度和效率,具有较高的实用价值和工程意义.
关键词：井下定位量子粒子群极限学习机K均值聚类
分类号：P624.8(地质、矿产普查与勘探)
资助基金：安徽省高校自然科学研究资助项目(KJ2021A1395)安徽省高校自然科学研究资助项目(KJ2021A1399)安徽省高校自然科学研究资助项目(2022AH052244)安徽省高校自然科学研究资助项目(2022AH052236)安徽省高校自然科学研究资助项目(2022AH052239)合肥职业技术学院自然科学重点项目(2021KYQDZ002)合肥职业技术学院自然科学研究资助项目(2023KJB06)
论文发表日期：2023-10-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 13-19 )
英文信息