-
公开(公告)号：CN111599406A
公开(公告)日：2020-08-28
申请号：CN202010449468.4
申请日：2020-05-25
Applicant: 江南大学
IPC: G16B20/00
Abstract: 本发明公开了一种结合网络聚类方法的全局多网络比对方法。本发明一种结合网络聚类方法的全局多网络比对方法，包括：步骤1.读取蛋白质相互作用网络数据和不同物种间的序列相似性数据，以及设定参数α和β，构建蛋白质相互作用网络G和序列相似性网络S；步骤2.对序列相似性数据进行预处理，利用参数β将序列相似性得分较小的边删除，得到过滤后的网络Sβ；步骤3.计算所有网络中每一个节点的权重；步骤4.在相应搜索的图中，采用网络聚类算法生成候选簇。本发明的有益效果：本发明采用的方法能够达到不错的比对效果，且能够产生在拓扑和生物功能意义上都不错的比对结果。
-
公开(公告)号：CN108769907B
公开(公告)日：2020-05-22
申请号：CN201810563845.X
申请日：2018-06-04
Applicant: 江南大学
Abstract: 本发明涉及一种基于深度学习的融合WiFi和iBeacon的室内定位方法，包括：从环境中获取大量WiFi和iBeacon的信号强度数据，然后使用堆叠自动编码机对获取的所述大量WiFi和iBeacon的信号强度数据进行训练，并将训练后数据及参数(w和b)放入数据库中；其中所有的WiFi和iBeacon部署的位置都是已知的；实时采集WiFi和iBeacon的RSSI数据，对所述RSSI数据进行标准化处理；用堆叠自动编码机和数据库中的参数对步骤“实时采集WiFi和iBeacon的RSSI数据，使用标准化对所述RSSI数据进行处理；”中处理后的数据进行处理，然后再用近邻算法将这些数据与数据库中的数据进行匹配，获得最终位置估计。
-
公开(公告)号：CN108769907A
公开(公告)日：2018-11-06
申请号：CN201810563845.X
申请日：2018-06-04
Applicant: 江南大学
Abstract: 本发明涉及一种基于深度学习的融合WiFi和iBeacon的室内定位方法，包括：从环境中获取大量WiFi和iBeacon的信号强度数据，然后使用堆叠自动编码机对获取的所述大量WiFi和iBeacon的信号强度数据进行训练，并将训练后数据及参数(w和b)放入数据库中；其中所有的WiFi和iBeacon部署的位置都是已知的；实时采集WiFi和iBeacon的RSSI数据，对所述RSSI数据进行标准化处理；用堆叠自动编码机和数据库中的参数对步骤“实时采集WiFi和iBeacon的RSSI数据，使用标准化对所述RSSI数据进行处理；”中处理后的数据进行处理，然后再用近邻算法将这些数据与数据库中的数据进行匹配，获得最终位置估计。
-
公开(公告)号：CN107396321A
公开(公告)日：2017-11-24
申请号：CN201710653854.3
申请日：2017-08-02
Applicant: 江南大学
Abstract: 本发明公开了一种基于手机传感器和iBeacon的无监督式室内定位方法，包括如下步骤：(1)初始定位：通过用户手中的智能手机获取环境中iBeacon的信号强度，然后初始定位模块会估算出初始位置坐标；(2)行人手持智能手机终端实时采集MEMS惯性传感器数据，提供计步信息和运动方向信息；(3)将行人的运动步长属性和运动方向属性结合在粒子滤波中的粒子属性中，然后使用在行人航位推算算法中提供位置输出；(4)当行人接近地标点时，可靠性定位算法会启动并对位置坐标进行矫正。本发明融合手机惯性传感器数据与iBeacon数据，不需要离线阶段的大量采样工作，并且解决了指纹定位中定位波动的问题，而且减小了地标矫正的边界误差，能保持稳定的、高精度的位置估计。
-
-
-
Search Results
54
records
(took 0.025 seconds)
