基于贝叶斯-k均值聚类的定位分区方法

摘要

本发明公开了一种基于贝叶斯‑k均值聚类的室内定位分区方法，包括离线训练阶段和在线定位阶段，离线训练阶段利用k均值聚类算法将定位区域划分为若干子区域，其中初始聚类中心采用AP最近位置的初始聚类中心选择算法；在线定位阶段首先获取若干个距离最小的子区域，然后通过比较被分到每个区域的后验概率，将后验概率最大的子区域作为定位分区的结果。与现有技术相比，本发明提供的定位分区方法，通过结合AP最近位置的初始聚类中心选择算法来解决初始聚类中心选取不当导致局部最优的问题；另外结合贝叶斯算法分区预测算法来解决欧式距离无法很好拟合映射关系的问题。