《表3 几种匹配算法的比较》
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.
图表编号 | XD00203925100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.20 |
作者 | 吴虹、王国萍、彭鸿钊、苏冰倩 |
绘制单位 | 南开大学电子信息与光学工程学院天津市光电传感器与传感网络技术重点实验室、南开大学电子信息与光学工程学院天津市光电传感器与传感网络技术重点实验室、南开大学电子信息与光学工程学院天津市光电传感器与传感网络技术重点实验室、南开大学电子信息与光学工程学院天津市光电传感器与传感网络技术重点实验室 |
更多格式 | 高清、无水印(增值服务) |