论文研究基于KELM的位置指纹室内定位方法研究.pdf
考虑到位置指纹的非线性特性，提出基于核极限学习机（KELM）的位置指纹定位方法。KELM以其快速学习的特点，同时拥有紧密的网络结构，有效解决传统定位算法离线学习时间长和鲁棒性差的问题。通过改变离线数据收集环境，采用不同Wi-Fi接入点作信号源来分析KELM算法的定位性能，实验结果表明，同等条件下与基本ELM、SVM和kNN等位置指纹定位方法相比，KELM表现出更好的定位能力。
考虑到位置指纹的非线性特性，提出基于核极限学习机（KELM）的位置指纹定位方法。KELM以其快速学习的特点，同时拥有紧密的网络结构，有效解决传统定位算法离线学习时间长和鲁棒性差的问题。通过改变离线数据收集环境，采用不同Wi-Fi接入点作信号源来分析KELM算法的定位性能，实验结果表明，同等条件下与基本ELM、SVM和kNN等位置指纹定位方法相比，KELM表现出更好的定位能力。