基于机器学习的室内定位方法综述

基于机器学习的室内定位方法综述

徐龙阳

【期刊名称】《电脑知识与技术》 【年(卷),期】2018(014)001

【摘要】针对现有的室内定位方法存在高成本、低精度、鲁棒性低等问题.一些学者尝试将机器学习(Machine Learning,ML)引入室内定位中,用机器学习思想解决上述问题,旨在提高定位方法的性能.文章首先详细综述了五种基于K-最近邻、人工神经网络、支持向量机、决策树以及贝叶斯的定位方法,然后对这些方法的定位性能进行了比较分析,结果表明合适的机器学习算法能够提高定位精度、增强系统鲁棒性和降低成本,最后总结了基于机器学习的室内定位方法未来的一些研究热点问题.

【总页数】3页(217-219)

【关键词】室内定位;机器学习;神经网络 【作者】徐龙阳

【作者单位】安徽理工大学计算机科学与工程学院,安徽淮南232001 【正文语种】中文 【中图分类】TP391 【相关文献】

1.用机器学习挖掘室内定位大市场 [J], 宁川

2.一种基于Wi-Fi的室内定位算法研究与实现 [J], 丘建栋[1]; 柯尼[1]; 庄立坚[1]; 梁嘉贤[1]

3.基于XGBoost的多建筑WiFi位置指纹室内定位方法 [J], 郑建滨; 艾廷华; 晏

雄锋; 卢威

4.基于XGBoost的多建筑WiFi位置指纹室内定位方法 [J], 郑建滨[1]; 艾廷华[1]; 晏雄锋[1]; 卢威[1]

5.基于惯性导航的室内定位系统设计r——卡尔曼滤波器在室内定位的应用 [J], 李耀岳; 牛长流; 王迪; 聂权; 华玟

以上内容为文献基本信息，获取文献全文请下载