文件名称：基于粒子滤波和粒子群算法的RFID数据不确定性测量
文件大小：991KB
文件格式：PDF
更新时间：2024-05-03 12:25:52
RFID data; Real-time location tracing
数据不确定性的管理是诸如网络物理系统，传感器网络和RFID数据管理等新型应用的紧迫问题。 为了适应基于RFID的实时位置跟踪服务中传感器数据的随时间变化的特性，提出了RFID Data-PPMU不确定度的测量算法（基于粒子滤波和粒子群优化的RFID测量不确定性算法）数据）在本文中提出。 PPMU可以根据KL距离来自适应地更改样本数以适应RFID数据的发展，PPMU引入了一种改进的PSO（粒子群优化）方法来提高SIRPF（顺序重要性重采样）的重采样阶段的效率。采样粒子过滤器）。 同时，PPMU为PSO定义了基于常规加权聚合的适应度函数，该函数在先验密度和似然密度之间的重要性之间取得平衡，以检测候选样本集中的最佳样本。 它为概率RFID数据库中的初始元组提供了具有置信度因子的度量。 在真实数据集上的实验表明，该方法可以有效地测量RFID数据的潜在不确定性。 与现有算法相比，PPMU可以进一步改善粒子降解和粒子贫困问题。