自动化与信息工程
自動化與信息工程
자동화여신식공정
AUTOMATION & INFORMATION ENGINEERING
2014年
4期
29-33
,共5页
支持向量机%反K近邻%室内指纹定位%卡尔曼滤波
支持嚮量機%反K近鄰%室內指紋定位%卡爾曼濾波
지지향량궤%반K근린%실내지문정위%잡이만려파
为提高室内定位算法定位的精度和实时性,提出一种改进的支持向量机(A-SVM)的室内指纹定位方法.利用SVM具有较好的学习和泛化能力的特点,把定位匹配转换为多分类问题.为克服SVM分类存在的片面性问题,提出基于SVM与反K近邻融合的位置指纹分类方法得到估计位置,并利用卡尔曼滤波对估计位置进行滤波处理.实验结果表明,算法有效减小了定位结果的波动性,与传统SVM相比具有较高的定位精度.
為提高室內定位算法定位的精度和實時性,提齣一種改進的支持嚮量機(A-SVM)的室內指紋定位方法.利用SVM具有較好的學習和汎化能力的特點,把定位匹配轉換為多分類問題.為剋服SVM分類存在的片麵性問題,提齣基于SVM與反K近鄰融閤的位置指紋分類方法得到估計位置,併利用卡爾曼濾波對估計位置進行濾波處理.實驗結果錶明,算法有效減小瞭定位結果的波動性,與傳統SVM相比具有較高的定位精度.
위제고실내정위산법정위적정도화실시성,제출일충개진적지지향량궤(A-SVM)적실내지문정위방법.이용SVM구유교호적학습화범화능력적특점,파정위필배전환위다분류문제.위극복SVM분류존재적편면성문제,제출기우SVM여반K근린융합적위치지문분류방법득도고계위치,병이용잡이만려파대고계위치진행려파처리.실험결과표명,산법유효감소료정위결과적파동성,여전통SVM상비구유교고적정위정도.
