基于密度峰值聚类的随机森林室内定位

作     者：张萌 吕艳 倪益华 钱小鸿 杨明 ZHANG Meng;LYU Yan;NI Yi hua;QIAN Xiao-hong;YANG Ming

作者机构：浙江农林大学工程学院浙江临安311300 浙江大学机械工程学院浙江杭州310027 银江股份有限公司银江研究院浙江杭州310030 

基　　金：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) 浙江省自然科学基金重点基金项目(LZ15E050003) 国家自然科学基金项目(61175125) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2018年第39卷第5期

页      码：1490-1496页

摘      要：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。

主 题 词：室内定位 密度峰值聚类 随机森林 机器学习 指纹数据库 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2018.05.050

馆 藏 号：203288942...