《表3 几种匹配算法的比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于KNN的室内位置指纹定位算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

常用到的是KNN算法、基于概率的朴素贝叶斯算法，除此之外，还有支持向量机（SVM）、逻辑回归（logistic regression）等.这几种算法各有各自的优势，具体来说，KNN算法精度高，对异常值不敏感，无数据输入假定；朴素贝叶斯算法在数据较少的情况下仍然有效，有稳定的分类效率，可以处理多类别问题；支持向量机算法泛化错误率低，计算开销不大，结果易解释；逻辑回归计算代价不高，易于理解和实现.如表3所示，几种常见的室内定位匹配算法进行了仿真验证.所提出的KNN算法、朴素贝叶斯算法、支持向量机算法定位效果较好，但是朴素贝叶斯算法是基于概率的算法，运用贝叶斯公式时需要知道先验概率，室内环境复杂多变将影响算法的可靠性，而原始的支持向量机算法只适用于处理二分类问题，需要多个二分类器，且训练速度慢，调参较复杂.