基于K-IDPC算法的Wi-Fi室内定位方法*

摘要：

针对目前室内定位依靠Wi-Fi电磁指纹库方法实现室内人员定位进行判别存在误差大以及时效性低的问题,本文提出一种融合K近邻(K-NN)的改进密度峰值聚类( K-IDPC)算法.引入关联系数和K-NN思想,解决了普通密度峰值聚类( DPC)算法对定位数据密度不均衡,聚类中心区分度不高的问题,进而提高了对定位环境的鲁棒性.并结合数据切分算法,对离线电磁数据进行切割,使得大数据集分为若干小数据集,降低了计算复杂度.实验结果表明:提出的室内定位方法,同传统的K均值( K-means)、具有噪声应用的基于密度空间聚类( DBSCAN)、DPC聚类算法相比,能够有效地提高室内定位的效果.

关键词：Wi-Fi定位、密度峰值聚类、关联系数、K近邻、数据切割

分类号：TP393(计算技术、计算机技术)

资助基金：基金项目:国家自然科学基金资助项目61272097;上海市科技学术委员会重点项目18511101600

在线出版日期：2019-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：46-49,53