| 摘 要： | 针对室内定位算法在定位时所用时间较长和定位精度较低的问题,提出了一种基于改进LightGBM(light gradient boosting machine)算法的室内定位算法.该算法首先针对指纹库中的数据进行预处理,通过KNN(K-nearest neighborhood)算法去除异常点和离群点,降低环境噪声干扰,提高数据可靠性.接下来,将样本集划分为训练集和测试集,使用LightGBM算法对进行建模.同时,使用遗传算法调整LightGBM算法中的参数,并根据适应度函数寻找最优参数,得到LightGBM+GA(ge-netic algorithm)坐标预测模型.最后,根据优化后的参数建立预测模型实现坐标预测.实验结果表明,该算法在WiFi定位的精度上较与 极限梯度提升(extreme gradient boosting,XGBoost)算法提高 0.1 m,相较于 GBDT(gradient boosting decision tree)算法提高0.19 m,在定位时间上,LightGBM+GA算法比GBDT算法快5.10 s,比XGBoost算法快5.97 s,具有较好的实用性.
|
