申请/专利权人:上海海洋大学
申请日:2023-11-27
公开(公告)日:2024-04-12
公开(公告)号:CN117879641A
主分类号:H04B1/69
分类号:H04B1/69;G06N3/006;G06F18/214;G06N3/04
优先权:["20230630 CN 2023107979106"]
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明提供一种基于改进极限学习机的扩频因子预测模型及方法,所述方法包括:确定改进极限学习机预测模型的输入和输出变量;初始化粒子群算法、灰狼算法参数,生成初始种群后评估个体适应度函数;使用粒子群算法和灰狼算法的混合算法确定优化算法的最优参数,利用混合算法的最优参数获得基于改进极限学习机模型的最优参数;使用获得的基于改进极限学习机模型的最优参数,获得最佳极限学习机参数预测扩频因子。本发明基于改进极限学习机的扩频因子预测方法,可节省大量数据传输时间,同时保证数据投递率,提高了数据采集的效率,有效提高终端节点的使用寿命。
主权项:1.一种基于改进极限学习机的扩频因子预测模型,其特征在于,所述模型包括输入层、隐藏层和输出层,所述随机生成的输入层权重和隐藏层偏置由粒子群算法和灰狼算法混合算法确定,所述隐藏层在训练时通过计算适应度选择最优隐藏层节点的数量,所述输出层为扩频因子的值。
全文数据:
权利要求:
百度查询: 上海海洋大学 一种基于改进极限学习机的扩频因子预测模型及方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。