10.16208/j.issn1000-7024.2018.05.050
基于密度峰值聚类的随机森林室内定位
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.
室内定位、密度峰值聚类、随机森林、机器学习、指纹数据库
39
TP391(计算技术、计算机技术)
浙江省科技厅公益基金项目2015C31104;浙江省自然科学基金项目LQ16E050013;国家自然科学基金项目61175125;浙江省自然科学基金重点基金项目LZ15E050003
2018-09-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
1490-1496