《表2 堆叠自动编码机结合NN和KNN实验结果》

  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

《基于深度学习的Wi-Fi与iBeacon融合的室内定位方法》

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

m

图7是使用堆叠自动编码机结合近邻算法和使用不同K值的K近邻算法的累积分布函数图。表2是图7对应的数据表。从图7和表2可以看出在经过堆叠自动编码机处理后，在使用近邻算法时，其定位误差为0 m的累计定位精度达到80%，5 m内的定位精度能到达94%。而当使用K近邻算法时，随着K值不断增大时，定位误差均值和均方根误差不断上升。如K为2和4时，其0 m的累计定位精度分别为54%和15%，5 m内的定位精度分别为93%和90%。由此可见，近邻算法较K近邻算法定位效果更好，收敛速度更快，定位平均误差更小且定位稳定性更强。