基于机器学习的室内定位方法综述

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.