《表2 RMSE结果比较:面向城市道路的多传感器融合定位导航技术》
表2显示了各种情况下不同方法计算出的RMSE,SVM和LSTM存在着较大的位置偏移,SVM若将低维非线性的轨迹数据转化成高维问题,更有助于解决计算复杂度,有效降低导航系统的错误率;基于FGP的GSO车载装置采集的轨迹数据最为精准,由于GBDT是通过减少模型偏差来提高预测性能,使得数据集更符合FGP算法,不仅可以排除因道路复杂而采集的定位异常值;还可提取车辆静止和运动状态下的非线性数据特征;FGP与LSTM和SVM相比,轨迹预测精度分别提高了50.29%和62.68%。
图表编号 | XD00199200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.25 |
作者 | 李彤、张会兵、刘丁柯、戴瑀君、吴冬强 |
绘制单位 | 广西可信软件重点实验室桂林电子科技大学、广西可信软件重点实验室桂林电子科技大学、广西可信软件重点实验室桂林电子科技大学、广西可信软件重点实验室桂林电子科技大学、南宁地精科技有限公司 |
更多格式 | 高清、无水印(增值服务) |