TY-JUR A2 - CUI，Rongxin Au - Wang，Hong-Gang Au - Wang，山山AU - 潘，若鲁·奥 - 彭，盛丽··刘，萧宋Au - 罗，zh勇Au - Zhou，Sheng-Pei PY - 2020 DA - 2020/12/29 - 基于邻域粗糙集和机器人应用场景随机林的RFID识别率预测 - 8831963 VL - 2020 AB - 快速发展关于事物互联网技术，RFID技术已广泛应用于各种领域。为了优化RFID系统硬件部署策略并提高部署效率，RFID系统识别率的预测已成为一个新的挑战。在本文中，提出了邻域粗糙集和随机森林（NRS-RF）组合模型以预测RFID系统的识别率。首先，使用邻域粗糙设定理论减少了RFID系统识别率的初始影响因素与邻域加权依赖性的启发式属性降低的原理相结合，从而获得内核因子子集。其次，基于内核因子子集建立了随机森林预测模型，并且使用袋子外（OOB）数据来建立混淆矩阵来评估预测结果。该测试在构造的RFID实验环境下进行，其结果表明，该模型可以以快速有效的方式预测RFID系统的识别率，并且分类精度可以达到90.5％。它可以有效地指导系统的硬件部署和通信参数协议设置，提高系统性能。与BP神经网络（BPNN）和其他预测模型相比，NRS-RF具有更短的预测时间和更快的计算速度。 Finally, the validity of the proposed model was verified by the RFID intelligent archives management platform. SN - 1076-2787 UR - https://doi.org/10.1155/2020/8831963 DO - 10.1155/2020/8831963 JF - Complexity PB - Hindawi KW - ER -