基于KNN-SVM算法的室内定位系统设计
以室内的用户定位需求为应用背景,提高定位精度为目标,针对室内中复杂的环境,基于最近邻法(KNN)和支持向量机(SVM),提出了新的室内定位算法.先采用KNN去除训练样本中的奇异点,再采用支持向量机进行定位.与KNN法、朴素贝叶斯法、SVM回归法等室内定位算法比较,结果表明该定位算法有效提高了定位精度和定位速度.进一步提出了基于Android平台的室内定位系统的设计方案,采用Java语言编程实现了该系统,并进行了系统测试.实验数据表明:该室内定位系统的平均误差为1.7m,最大误差为4.9m,该系统在满足速度要求的前提下,有效提高了室内定位精度.
室内定位 最近邻法 支持向量机 无线局域网
周锦 李炜 金亮 陈曦
华中科技大学自动化学院,湖北武汉430074
国内会议
大连
中文
517-520
2015-10-22（万方平台首次上网日期，不代表论文的发表时间）