CAJ | 학술논문

基于WLAN(Wireless Local Area Networks)的无线定位是移动互联网领域的重要研究内容之一.其中,指纹定位方法已成为主流,此类方法的特点之一在于需要离线训练数据与在线测试数据具有严格的一致性.但在实际环境中,无线信号数据波动较大,存在显著的时效性问题.这导致一定时间后,定位模型的预测精度不断下降.文中提出一种具有时效机制的增量式定位方法(Timeliness Managing Extreme Learning Machine,TMELM),一方面满足实际系统的应用需求,可随时加入新的训练数据进行在线增量式学习,另一方面融入时效机制,以最大化新增训练数据对定位模型的贡献,保持定位模型的精度.实验表明,在实际WLAN定位数据集上,文中方法相比于传统的几种增量式学习方法,具有明显的时效优势,能获得更好的定位精度.
기우WLAN(Wireless Local Area Networks)적무선정위시이동호련망영역적중요연구내용지일.기중,지문정위방법이성위주류,차류방법적특점지일재우수요리선훈련수거여재선측시수거구유엄격적일치성.단재실제배경중,무선신호수거파동교대,존재현저적시효성문제.저도치일정시간후,정위모형적예측정도불단하강.문중제출일충구유시효궤제적증량식정위방법(Timeliness Managing Extreme Learning Machine,TMELM),일방면만족실제계통적응용수구,가수시가입신적훈련수거진행재선증량식학습,령일방면융입시효궤제,이최대화신증훈련수거대정위모형적공헌,보지정위모형적정도.실험표명,재실제WLAN정위수거집상,문중방법상비우전통적궤충증량식학습방법,구유명현적시효우세,능획득경호적정위정도.