科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了减小室内环境因素对室内WiFi定位的影响,降低定位成本,提高定位精度以及扩大定位区域,通过对室内定位系统和机器学习算法的讨论,提出了一种基于K-means和Random Forest融合的WiFi室内定位算法。针对室内WiFi信号强度分布的特点,该算法通过K-means聚类改进算法对数据进行初始分类,然后使用Random Forest对初始分类结果进行二次分类。实验结果表明,该定位算法的定位精度在2米以内的概率为89.1%,达到预期的定位效果,同时对缺失值数据具有较好的适应能力。
- 出版日期2017
- 单位系统控制与信息处理教育部重点实验室; 上海交通大学; 国网上海市电力公司电力科学研究院
