基于密度峰值聚类的随机森林室内定位

• 作者: 倪益华 吕艳 张萌 杨明 钱小鸿
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 室内定位 密度峰值聚类 随机森林 机器学习 指纹数据库
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 开发与应用
• 页码范围: 1490-1496
• 页数: 7页
• 分类号: TP391
• 字数: 3874字
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2018.05.050

摘要

为提高室内环境定位系统的精度和可靠性,分析传统定位算法在数据样本选取和模型学习过程中的局限性,设计一种基于密度峰值聚类(density peak cluster,DPC)的随机森林(random forest,RF)室内定位系统.以密度峰值聚类中心为依据对接收信号强度(receive signal strength,RSS)数据进行指纹样本选取,通过指纹数据库训练随机森林模型,结合网格搜索和交叉验证技术寻求最优RF定位模型.实验结果表明,DPC算法建立的指纹数据库可靠性高,优化选择得到的RF模型与单分类回归模型相比,定位精度得到了提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	倪益华	浙江农林大学工程学院	28	71	5.0	6.0
2	吕艳	浙江农林大学工程学院	14	24	3.0	4.0
6	张萌	浙江农林大学工程学院	5	13	3.0	3.0
7	钱小鸿	银江股份有限公司银江研究院	3	7	2.0	2.0
8	杨明	浙江农林大学工程学院	2	4	1.0	2.0