不同聚类算法在Wi-Fi定位中的研究

• 作者: 陈蕾
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: K-means聚类 DBSCAN聚类 室内定位
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 学术研究与应用
• 页码范围: 78-81,88
• 页数: 5页
• 分类号: TP311.13
• 字数: 3050字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2163.2019.02.017

摘要

本文比较分析了K-means聚类、蚁群聚类和DBSCAN聚类三种聚类算法在室内定位系统中的应用,通过比较3种算法分别与基于Wi-Fi信号接收强度的支持向量机回归算法室内定位模型相结合定位的仿真实验,发现K-means和DBSCAN聚类算法均优于蚁群聚类算法,且两者定位结果相差不大.考虑到DBSCAN聚类算法可以去除噪音点,将DBSCAN聚类与K-means聚类算法混合分析后,再与定位模型结合,获得更好的定位效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈蕾	浙江农林大学信息工程学院	1	3	1.0	1.0