基于融合聚类的蓝牙室内定位系统算法优化

• 作者: 刘叶楠 周向前 张峰 张驰 赵黎
• 来源期刊: 自动化与仪表
• 关键词: 室内定位 K-means 融合聚类 密度峰值 指纹库
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 系统建模、仿真与分析
• 页码范围: 80-85
• 页数: 6页
• 分类号: TP391|TN961
• 语种: 中文
• DOI: 10.19557/j.cnki.1001-9944.2020.01.018

摘要

K-means聚类算法可以实现对指纹库的软划分,提高定位系统的查询效率和定位精度.由于K-means算法聚类中心选择和聚类数设定的随机性,使其稳定性较差,影响定位系统的性能,在此提出采用融合聚类的方式对K-means算法进行优化.采用基于密度峰值的聚类算法得到指纹库中每一个指纹点的局部密度和局部距离,然后计算综合决策量γ;选取跳跃点前的前k个点作为K-means算法的初始聚类中心,同时确定最佳聚类数k.试验结果表明,融合聚类算法相较于传统K-means算法定位误差在1.5 m内的概率提高了约9％,定位系统的定位精度得到明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张峰	西安工业大学电子信息工程学院	56	361	9.0	16.0
2	赵黎	西安工业大学电子信息工程学院	39	88	5.0	6.0
3	刘叶楠	西安工业大学电子信息工程学院	6	7	2.0	2.0
4	张驰	西安工业大学电子信息工程学院	4	5	2.0	2.0
5	周向前	西安工业大学电子信息工程学院	1	0	0.0	0.0