基于融合聚类的蓝牙指纹室内定位算法优化
【摘要】 K-means指纹优化算法可以提高室内定位的精度,由于K-means算法初始聚类中心选取的随机性和聚类数设定的经验性,使其稳定性有很大欠缺,影响定位精度与性能。针对上述问题,采用融合聚类的方式对K-means算法进行优化,首先对指纹库在聚类数取1到N的情况下使用凝聚层次聚类进行多次聚类迭代,然后计算每次聚类后生成簇的误差平方和及轮廓系数,最后通过肘方法和轮廓系数法确定最佳聚类数及K-means算法的初始聚类中心。实验结果表明,融合后的算法同传统K-means指纹算法相比定位误差在2米内的概率提高了8%,定位精度得到明显提高,融合算法的稳定性也得到较大幅度改善。
