公开(公告)号：CN107135541A

公开(公告)日：2017-09-05

申请号：CN201710279716.3

申请日：2017-04-21

Applicant: 广东技术师范学院

Inventor： 袁飞 ,  连宗凯 ,  刘军 ,  康慧 ,  卢旭 ,  祁伟

IPC: H04W64/00 ,  G01S7/41 ,  G01S13/42

CPC classification number: H04W64/00 ,  G01S7/417 ,  G01S13/42

Abstract: 本发明涉及一种基于OPTICS密度聚类和BP神经网络的超宽带室内定位方法，其特征在于包括以下步骤：以超宽带定位系统采集到的已知位置上目标节点坐标信息为基础，对已知位置上采集到的多个坐标信息进行OPTICS密度聚类，筛选该已知位置点对应的多个可靠坐标；用该已知位置点与可靠坐标均值中心形成数据对；然后对多个已知位置点进行同样的聚类筛选，形成各自已知位置点对应的数据对；通过BP神经网络对所有已知位置点的数据对的集合进行训练，得出BP神经网络定位识别模型；最后利用BP神经网络定位识别模型对可靠待识别点进行位置识别以得出最终定位坐标。该方法减小了现有室内定位方法受环境的影响程度，从而提高了定位精度。

公开(公告)号：CN107506749A

公开(公告)日：2017-12-22

申请号：CN201710816948.8

申请日：2017-09-12

Applicant: 广东技术师范学院

Inventor： 黄嘉良 ,  连宗凯 ,  李钊华 ,  钟乔炜 ,  林煜森 ,  黄远锋 ,  毛伟煜 ,  张妍

IPC: G06K9/00 ,  G06K9/62 ,  G06F3/01

CPC classification number: G06K9/00355 ,  G06F3/014 ,  G06K9/6223

Abstract: 本发明涉及一种手语识别方法，其特征在于，主要包括以下步骤：首先，通过传感器采集到待识别手势的原始数据；第二，通过改进二分K均值-Chameleon聚类算法对第一步所得到的原始数据进行聚类并输出聚类结果；第三，通过第二步中输出的聚类结果获取待识别可靠手势姿态数据；第四，通过训练出的BP神经网络手语识别模型对第三步中的待识别可靠手势姿态数据进行识别；第五，输出待识别手势的识别结果。该方法基于改进二分K均值-Chameleon聚类算法和BP神经网络建模，不但可以提高可识别手语数据量和准确度，还加强了手语识别的稳定性和容错性。