首页|改进K-means聚类的自适应加权K近邻指纹定位算法

改进K-means聚类的自适应加权K近邻指纹定位算法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对指纹定位精度易受指纹数据K-means聚类预处理效果不佳、加权K近邻算法采用固定K值进行匹配定位精度差等问题,提出一种基于改进K-means聚类的自适应加权K近邻算法.算法在对指纹数据进行聚类计算过程中充分考虑参考点间接收信号强度值与实际物理坐标的双重影响,以避免参考点分类不明确;根据每个测试点的匹配参考点之间实际距离的均值和标准差设置阈值,动态选择K值.实验结果证明,改进K-means聚类的自适应加权K近邻算法相较于传统室内定位算法定位精度提高了44％,可为相关应用提供更精确的定位服务.
Adaptive weighted K-nearest neighbor fingerprint location algorithm based on improved K-means clustering

邬春明、齐森南

展开 >

东北电力大学 现代电力系统仿真控制与绿色电能新技术教育部重点实验室,吉林省 吉林市132012

Wi-Fi 指纹定位 坐标相似度 K-means聚类 自适应加权K近邻算法

国家自然科学基金

61901102

2021

10.3979/j.issn.1673-825X.202003140083

重庆邮电大学学报(自然科学版)
重庆邮电大学

重庆邮电大学学报(自然科学版)

CSTPCDCSCD北大核心
影响因子：0.66
ISSN：1673-825X
年,卷(期)：2021.33(6)
  • 10
  • 4