基于WiFi指纹的室内定位系统

摘要

室内定位系统旨在以无线方式定位建筑物内的物体,并为室内定位移动应用带来发展.为了探索这种不成熟的系统设计,选择阿里第三方数据集,使用PCA进行特征选择,并分别建立基于Gra-dient boosting、kNN和SVM的预测模型.实验结果表明,kNN和Gradient Boosting的组合为室内定位提供了高精度的预测.kNN对于样本量大于1000的大量数据集表现出良好的性能,并且Gradient Boosting在小数据量上交叉验证错误很小.