基于AP-SVM混合分类的指纹定位算法优化

摘要：

针对指纹定位技术在离线阶段采集数据样本时,因样本质量不稳定导致定位准确率不高的问题,提出基于亲和力传播—支持向量机(AP-SVM)结合黄金分割法的一个新的样本优化方法,即GAP-SVM,使定位准确率得到提高.首先进行接收信号强度指示(RSSI)值的采集并使用GP-AP聚类算法优化数据集,得到高质量、小样本的SVM分类器的训练集;然后设计出了基于GAP-SVM模型的位置指纹定位整体系统架构;最后进行实验仿真.实验结果表明:GAP-SVM混合分类器与传统的SVM分类器相比,GAP-SVM混合分类器具有更高的分类准确率,分类准确率达到92.21％,定位准确率比已有的指纹定位算法提高了46％.

关键词：GAP-SVM、接收信号强度指示、黄金分割法、偏向参数、指纹定位

所属期刊栏目：41

分类号：TP301.6(计算技术、计算机技术)

资助基金：陕西省工业攻关项目2020GY—001

在线出版日期：2022-07-20（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：126-129,138