公开(公告)号：CN102821465B

公开(公告)日：2014-11-26

申请号：CN201210329662.4

申请日：2012-09-07

Applicant: 哈尔滨工业大学

Inventor： 马琳 ,  马欣茹 ,  刘曦 ,  周才发 ,  徐玉滨 ,  强蔚

IPC: H04W64/00

Abstract: 基于分区信息熵增益的WLAN室内定位方法，涉及一种WLAN室内定位方法。它是为了能同时减少定位所需的运算量并能够提高WLAN室内定位的精度而提出的。本发明首先在离线阶段通过在各参考点测量接收到的来自各个AP的信号强度RSS值作为位置指纹信息，然后利用K均值聚类算法对定位空间分区，并在每个子区域中引入信息熵增益模型选出定位能力最强的t个AP；在线阶段，首先根据测试点与各聚类中心的特征向量距离大小确定测试点在哪个子区域，然后在每个子区域中分别利用已选择的t个AP应用K近邻定位算法实现对测试点的精确定位。本发明适用于WLAN室内定位。

公开(公告)号：CN102880593A

公开(公告)日：2013-01-16

申请号：CN201210325652.3

申请日：2012-09-05

Applicant: 哈尔滨工业大学

Inventor： 马琳 ,  周才发 ,  刘曦 ,  马欣茹 ,  徐玉滨 ,  强蔚

IPC: G06F17/16 ,  G06F17/15

Abstract: 基于曲率预测的流形学习自适应邻域选择算法，它涉及一种应用于流形学习的自适应邻域选择算法，以解决现有的领域选择算法应用于流形学习算法存在适应性差，低维嵌入质量差，算法复杂度较高的问题，算法的具体步骤为，步骤一、高维离散数据点的曲率计算；步骤二、自适应邻域选择，本发明能够广泛的应用到目前的流形学习算法，本发明能够根据数据集分布的不同曲率选择合适的领域大小，本发明以高维数据点的一个自适应邻域选择矩阵，能够有效地降低流形学习算法的复杂度和找到优化的邻域大小，实现最佳的低维嵌入，低维嵌入质量好。本发明用于流形学习算法。

公开(公告)号：CN102821465A

公开(公告)日：2012-12-12

申请号：CN201210329662.4

申请日：2012-09-07

Applicant: 哈尔滨工业大学

Inventor： 马琳 ,  马欣茹 ,  刘曦 ,  周才发 ,  徐玉滨 ,  强蔚

IPC: H04W64/00

Abstract: 基于分区信息熵增益的WLAN室内定位方法，涉及一种WLAN室内定位方法。它是为了能同时减少定位所需的运算量并能够提高WLAN室内定位的精度而提出的。本发明首先在离线阶段通过在各参考点测量接收到的来自各个AP的信号强度RSS值作为位置指纹信息，然后利用K均值聚类算法对定位空间分区，并在每个子区域中引入信息熵增益模型选出定位能力最强的t个AP；在线阶段，首先根据测试点与各聚类中心的特征向量距离大小确定测试点在哪个子区域，然后在每个子区域中分别利用已选择的t个AP应用K近邻定位算法实现对测试点的精确定位。本发明适用于WLAN室内定位。