针对位置指纹库定位技术,在离线阶段指纹数据质量低和指纹数据存储量大的问题,提出了基于动态均值的Fisher-AP(dynamic mean Fisher,DMF-AP)选择算法.该算法首先在离线阶段根据AP节点RSS局部相似性,采用K-means算法将定位区域划分成多个子区域,然后在每个子区域采用Fisher-AP选择策略过滤掉性能较差的AP节点,选出判别能力强并且稳定性高的AP节点,重构指纹数据库,达到有效降低数据库的存储量并提高指纹数据质量.通过与MaxMean选择算法、InfoGain选择算法、稳定AP选择算法进行实验仿真对比,结果表明,采用动态均值的Fisher-AP选择算法在定位精度和指纹数据库的存储量上取得了较好的性能表现.