摘要
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。
In order to improve the accuracy and real-time of indoor positioning algorithm, an improved support vector machine（A-SVM） fingerprint indoor positioning technology is presented. Using the characteristics of SVM good learning and generalization ability, a location fingerprint classification based on SVM and K neighbor fusion is proposed .The Experimental results show that the algorithm effectively reduces the volatility of positioning.
出处
《自动化与信息工程》
2014年第4期29-33,共5页
Automation & Information Engineering
关键词
支持向量机
反K近邻
室内指纹定位
卡尔曼滤波
SVM
Reverse K Nearest Neighbor
Indoor Fingerprint Orientation
Kalman Filter
