摘要
室内定位是普适计算应用中的关键技术,针对最小二乘支持向量机参数优化的难题,提出一种优化最小二乘支持向量机的室内定位算法。首先采用主成分分析提取重要定位特征,然后采用最小二乘支持向量机建立室内定位模型,并采用粒子群优化算法对最小二乘支持向量机参数进行优化,最后采用仿真实验测试定位性能。结果表明,文中算法提高了室内定位的精度且定位时间少于其它室内定位算法,具有一定的实际应用价值。
Indoor location is a key technology in the application of pervasive computing,and aims at solving the problem of least square support vector machine parameters. An indoor localization algorithm based on the least square support vector machine is proposed. The principal component analysis is used to extract important features,and then,least square support vector machine is established for indoor localization model using particle swarm optimization algorithm. The simulation experiment is used to test location performance. The results show that the proposed algorithm improves the accuracy of indoor location,and the location time is less than other indoor location algorithm.
出处
《中山大学学报（自然科学版）》
CAS
CSCD
北大核心
2016年第2期48-51,共4页
Acta Scientiarum Naturalium Universitatis Sunyatseni
基金
广东省科技计划资助项目(2012B010100038)
广东省高等学校教学质量与改革工程本科类资助项目(粤高教函[2013]113号-113
粤高教函[2015]173号-584)
惠州市科技计划资助项目(2015Z X023)
惠州学院自然科学资助项目(hzuxl201417)
关键词
普适计算
室内定位
参数优化
主成分分析
pervasive computing
indoor location
parameter optimization
principal component analysis
