一种基于特征优化和LightGBM的室内定位方法

摘要

一种基于特征优化和LightGBM的室内定位方法，该方法解决了传统的用支持向量机进行室内定位的效率和准确率问题。该方法流程包括离线阶段和在线阶段。离线阶段分为以下几个步骤：首先，用高斯滤波对数据进行滤波处理，并对滤波后的数据进行标准化处理，得到数据在0到1之间的数据集；再使用Kmeans++算法将数据做无监督聚类，生成数据特征‑物理坐标‑子区域的数据集；接着用LightGBM对数据特征‑子区域做分类学习，生成分类模型；然后使用ReliefF算法对每个子集的数据特征‑物理坐标做特征筛选；而后将优化后的数据集用PCA算法进一步降维；最后每个子集用LightGBM做回归学习，生成回归模型。该方法融合了PCA和LightGBM，在降低算法复杂度的同时，还能够提高定位的精度。