基于K—means和Random Forest的WiFi室内定位方法
作者:
李军
何星
蔡云泽
徐琴
上海交通大学自动化系系统控制与信息处理教育部重点实验室
上海200240
国网上海市电力公司电力科学研究院
上海200437
关键词:
室内定位
WiFi
RandomForest
K-means
多模融合
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。
上一篇：MMV模型在电能质量扰动信号重构中的应用
下一篇：基于PD扭曲滑模CPS阻尼力自适应非线性控制