AN An ica-ensemble learning approach for prediction of uwb nlos signals data classification
信号处理
2024-02-29 v1 信息论
机器学习
math.IT
摘要
在搜索与救援场景中，被困人员检测是普适计算中的一个重大挑战。本研究利用机器学习技术的高准确性来解决这一问题。然而，准确识别被困人员受到维度灾难和噪声数据的阻碍。特别是在灾难事件中的非视距情况下，维度灾难可能由于噪声和检测中的不相关值而导致盲点。本研究专注于通过无线通信协调信息，并使用超宽带雷达信号识别非视距场景中的个体。采用独立成分分析进行特征提取，研究使用集成算法在静态和动态数据集上评估分类性能。实验结果表明，静态数据的分类准确率为88.37%，动态数据为87.20%，突显了所提出方法的有效性。最后，这项工作可以帮助科学家和工程师在搜索与救援行动中做出即时决策。
引用
@article{arxiv.2402.17808,
title = {AN An ica-ensemble learning approach for prediction of uwb nlos signals data classification},
author = {Jiya A. Enoch and Ilesanmi B. Oluwafemi and Francis A. Ibikunle and Olulope K. Paul},
journal= {arXiv preprint arXiv:2402.17808},
year = {2024}
}
备注
20 pages,4 figures, 1 algorithm and 3 tables