Page 90 - 基于深度学习的人工智能技术研究

Research on Artificial Intelligence Technology Based on Deep Learning
基于深度学习的人工智能技术研究

（4）K- 近邻法的三次定位
对整个区域面积进行确定，在二次输出之后对经纬度进行确定。通过对经纬
度的合理利用，能够对边长面积进行确定，以此来保证整个区域定位基础性工作
的局面有序开展。只有保证基础性工作的实施效果，才能够为后续定位模型训练

打下良好基础。在 K- 近邻法三次定位基础上，所需要的各种不同类型信息数据
基本上都是以综合训练信息数据为主。对该部分数据进行利用和分析时，要将数
据大小作为基础，对其展开有针对性的合并或者筛选处理。通过这种方式能够尽
可能降低计算重复性。需要注意的是，所选区域面积较大，与其相对应的定位精

准度会随之下降。
2.BP 神经网络的改进和优化
以自适应交叉变异概率等为基础，促使 BP 神经网络初始权重能够得到有效
提升。除此之外，要对符合要求的算子进行选择。由于遗传性 BP 神经网络需要

在实践中进行不断完善和优化，所以选择的算子必须遵循现有比例算法等相关要
求，这样才能够实现局部最优。以设计自适应交叉变异概率为基础，能够保证
BP 神经网络初始权重的平衡发展。
3. 机器学习算法在向量机中的应用

学习算法在向量机中的引入和利用可以被看作是目前相对流行的学习手段之
一。在现有诸多理论研究基础上，对向量机定位原则的合理利用，能够对整个区
域范围内涉及的数据信息展开区域化选择。其中，涉及的分析步骤通常是在一定
区域范围内，对经纬度展开准确有效的定位分析。在位置确定之后能够对相关位

置进行栅格化划分，通常是以 1km 矩形范围为基础。在第 1 次区域划分时，为
了能够保证后续划分区域得到不断缩减，划分之后的区域可以直接按照经纬度来
进行有效划分。一部分需要将待测样本以及所有区域范围内的向量展开科学合理
的计算和分析，另一部分则直接根据回归函数逻辑思维来进行计算。通过计算过

程，能够对各种不同类型级别定位方案是否具有可行性进行客观合理的判断，从
中可以得出区域上可划分越小的数据，其精准度就会越高。
需要注意的是，对向量机研究方案进行使用时，要对定位精准度以及速度需
求是否能够达成一致进行确定。机器学习算法在向量机中的应用性最为明显的优

势特点是最小二乘化。与其他算法相比，具有不可替代的影响和作用。特别是对
于线性数据可以实现有效采集，以多维度空间合理计算方式，即便是维度数量相

82