公开(公告)号：CN110958584B

公开(公告)日：2021-06-25

申请号：CN201911233431.1

申请日：2019-12-05

Applicant: 江南大学

Inventor： 秦宁宁 ,  张陈斌 ,  杨乐

IPC: H04W4/33 ,  H04W4/02 ,  H04W4/021 ,  H04W64/00 ,  G06K9/62

Abstract: 本发明公开了一种基于接收信号强度的层次分类室内定位方法，属于室内定位技术领域。本发明的基于接收信号强度的层次分类室内定位方法首先给出了1‑sigma区间判别机制，将整个平面楼层空间划分成若干存在交叉数学的区块域；进一步以高斯过程分类，实现以房间为颗粒元素的室内定位。所提方法在浙江某医疗养护中心进行实地测试，通过与支持向量机(SVM)、决策树、K近邻(K Nearest Neighbor，KNN)方法相比所提方法在准确率、平均误差和标准误差等方面表现更佳，平均误差达到80.8以下，标准误差达到81.1以下，误差方差达到7.7以下，准确率达到97.6％以上，稳定性仅低于SVM(误差方差为4.6)。

公开(公告)号：CN110958584A

公开(公告)日：2020-04-03

申请号：CN201911233431.1

申请日：2019-12-05

Applicant: 江南大学

Inventor： 秦宁宁 ,  张陈斌 ,  杨乐

IPC: H04W4/33 ,  H04W4/02 ,  H04W4/021 ,  H04W64/00 ,  G06K9/62

Abstract: 本发明公开了一种基于接收信号强度的层次分类室内定位方法，属于室内定位技术领域。本发明的基于接收信号强度的层次分类室内定位方法首先给出了1-sigma区间判别机制，将整个平面楼层空间划分成若干存在交叉数学的区块域；进一步以高斯过程分类，实现以房间为颗粒元素的室内定位。所提方法在浙江某医疗养护中心进行实地测试，通过与支持向量机(SVM)、决策树、K近邻(K Nearest Neighbor，KNN)方法相比所提方法在准确率、平均误差和标准误差等方面表现更佳，平均误差达到80.8以下，标准误差达到81.1以下，误差方差达到7.7以下，准确率达到97.6％以上，稳定性仅低于SVM(误差方差为4.6)。