انتخاب زیر مجموعه بهینه ماهواره ها با استفاده از مدل ترکیبی SVMPSO به منظور افزایش دقت مکان یابی GPS

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 انتخاب زیر مجموعه بهینه ماهواره ها با استفاده از مدل ترکیبی SVMPSO به منظور افزایش دقت مکان یابی GPS دارای ۱۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد انتخاب زیر مجموعه بهینه ماهواره ها با استفاده از مدل ترکیبی SVMPSO به منظور افزایش دقت مکان یابی GPS  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی انتخاب زیر مجموعه بهینه ماهواره ها با استفاده از مدل ترکیبی SVMPSO به منظور افزایش دقت مکان یابی GPS،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن انتخاب زیر مجموعه بهینه ماهواره ها با استفاده از مدل ترکیبی SVMPSO به منظور افزایش دقت مکان یابی GPS :

نام کنفرانس، همایش یا نشریه : هوش محاسباتی در مهندسی برق (سیستم های هوشمند در مهندسی برق)

تعداد صفحات :۱۸

هندسه ماهواره ها، نشان دهنده مکان های هندسی ماهواره های GPS است، عاملی که ارتباط هندسی صورت فلکی ماهواره های GPS را با همدیگر نشان می دهد، GDOP است. همه گیرنده ها از الگوریتم هایی برای انتخاب ماهواره ها استفاده می کنند، در این مقاله هدف استفاده از راهکار دسته بندی و تخمین عامل GDOP برای انتخاب زیر مجموعه بهینه ماهواره ها است. برای این منظور از مدل ترکیبی SVMPSO استفاده شده است. این مدل بر خلاف روش ماتریس معکوس که به علت تاخیرهای محاسباتی اعلام موقعیت بلادرنگ را دچار نقصان می کرد، با دقت، سرعت و قابلیت اطمینان بالا عامل GDOP را محاسبه می کند. مدل SVM یکی از مدل های قوی برای دسته بندی و تخمین است، نقش PSO بهینه سازی شاخص های اساسی SVM است. این روش عملکرد SVM را در دقت و سرعت بهبود می دهد. مدل SVMPSO برای دسته بندی ماهواره های دیده شده با گیرنده ارزان قیمت GPS پیاده سازی شد. ۴ نقشه متفاوت برای محاسبه عامل GDOP وجود دارد. شبیه سازی هر ۴ نقشه در این مقاله منعکس و با یکدیگر مقایسه شد. پیاده سازی مدل و نتایج شبیه سازی خطای تخمین مدل SVMPSO را کمتر از ۰.۱۶ و دقت دسته بندی آن را بیش از ۹۹ درصد نشان داد. روش ارائه شده با روش های GA، NN و SVM که به تازگی برای محاسبه GDOP استفاده شده اند، مقایسه شد.

کلید واژه: بهینه سازی گروهی ذرات، سامانه مکان یاب جهانی، ماشین بردار پشتیبان، GDOP