基于K-means和Random Forest的WiFi室内定位方法

• 作者: 何星 徐琴 李军 蔡云泽
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 室内定位 WiFi Random Forest K-means 多模融合
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 优化控制及应用
• 页码范围: 787-792
• 页数: 6页
• 分类号: TP212.9
• 字数: 4990字
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.15C6.0543

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李军	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	73	490	11.0	18.0
2	何星	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	54	508	12.0	20.0
3	蔡云泽	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	43	366	11.0	17.0
4	徐琴	国网上海市电力公司电力科学研究院	3	46	2.0	3.0