基于位置指纹的DBSCAN-SVM融合聚类算法
传统的指纹定位聚类算法经常采用k-means聚类算法,但由于RSSI随时间和客观因素呈波动性较大的特性,k-means无法适应随时在变化的指纹库,且无法自适应生成聚类簇个数,导致匹配准确率不高.本文采用一种基于支持向量机(SVM)和DBSCAN的聚类算法,可生成不断适应指纹库变化的最优超平面模型,解决了指纹不断波动导致匹配效果不好的问题,并且在匹配过程中可以自动生成分类簇个数,根据DBSCAN的统计密度特性选择匹配概率最大的模型,提高了定位的匹配准确度,减少了定位匹配的时间,定位精度在60％的范围内可达到2.04m,相对k-means的6.1m提高了56.3％,提高了定位精度.
位置指纹 室内定位 支持向量机 聚类算法
樊嘉琛 邓中亮 焦继超 付萧
北京邮电大学
国内会议
南京
中文
1-4
2017-05-23（万方平台首次上网日期，不代表论文的发表时间）