基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
传统室内指纹定位算法因参考点匹配精度低,导致定位误差大.为此,提出基于支持向量机(SVM)的混合相似度加权K近邻算法SVM-MWKNN.在离线阶段,将已采集的接收信号强度值进行去干扰处理后,对指纹库作网格划分,然后使用SVM实现网格学习;在定位阶段,使用SVM进行网格寻找,确定待定位点指纹所属网格,然后求出k个最大相似度值作为权值以实现定位.实验结果表明,与已有的位置指纹定位算法相比,该算法通过建立多相似度指标,可以有效提高数据利用率,减少定位误差,定位精度提高达45%.
推荐文章
基于相似度量的模糊支持向量机算法研究
相似测量
核函数
模糊集 ,支持向量机
基于混合高斯模型和空间模糊度的支持向量机算法研究
支持向量机
多维混合高斯模型
空间模糊度
分类精度
基于相似指纹特征的室内定位机制研究
WiFi信号
信号强度
指纹定位
基于WFCM算法的室内指纹定位算法
指纹定位
WFCM
FCM
RSSI
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于支持向量机的混合相似度室内指纹定位算法
来源期刊 计算机工程 学科 工学
关键词 指纹定位 支持向量机 网格法 局部相似度 整体相似度
年,卷(期) 2018,(7) 所属期刊栏目 移动互联与通信技术
研究方向 页码范围 109-113,120
页数 6页 分类号 TP393
字数 3922字 语种 中文
DOI 10.19678/j.issn.1000-3428.0046940
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 卢先领 江南大学轻工过程先进控制教育部重点实验室 29 232 8.0 14.0
5 施涛涛 江南大学轻工过程先进控制教育部重点实验室 1 3 1.0 1.0
9 于丹石 江南大学物联网工程学院 3 6 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (42)
共引文献  (33)
参考文献  (9)
节点文献
引证文献  (3)
同被引文献  (16)
二级引证文献  (1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(7)
  • 参考文献(0)
  • 二级参考文献(7)
2012(5)
  • 参考文献(0)
  • 二级参考文献(5)
2013(7)
  • 参考文献(4)
  • 二级参考文献(3)
2014(9)
  • 参考文献(2)
  • 二级参考文献(7)
2015(2)
  • 参考文献(1)
  • 二级参考文献(1)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
指纹定位
支持向量机
网格法
局部相似度
整体相似度
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
论文1v1指导