计算机科学››2024,第51卷››问题(5): 277-283.数字对象标识:10.11896/jsjkx.230300137
•计算机网络• 以前的文章 下一篇文章
王家豪1,傅毅夫1,海南丰1、任玉恒2
收到:
修订过的:
在线:
出版:
关于作者:
支持单位:
摘要:随着智能家居的发展,基于Wi-Fi信号的定位技术也得到了广泛的研究。在实际应用中,室内定位算法所采集的训练数据和测试数据通常不来自相同的理想条件。各种环境条件和信号漂移的变化会导致训练数据和测试数据之间的概率分布不同。现有的定位算法在面对这些不同的概率分布时无法保证稳定的精度,导致室内定位算法的定位精度大大降低,且不可行。考虑到这些困难,在过去的研究中,转移学习中的领域自适应技术被证明是解决不一致概率分布问题的一个很有前景的解决方案。本文将领域自适应学习和机器学习算法相结合,提出了一种基于特征转移的室内定位算法TL-GLMA。TL-GLMA通过特征转移将两个域的原始数据映射到高维空间,以最小化两个域之间的分布差异,保持局部几何特性。此外,由于映射的数据是独立的且分布一致的,TL-GLMA可以使用它来训练分类器,以获得更好的定位结果。实验结果表明,TL-GLMA可以有效地减少环境变化带来的干扰,提高定位精度。
关键词: 室内位置, Wi-Fi信号, 环境适应, 转移学习, 域适应
CLC编号:
王家浩、傅义夫、冯海南、任玉恒。基于迁移学习的动态环境下室内定位算法[J]。计算机科学,2024,51(5):277-283。
0 / / 推荐
添加到引文管理器 尾注|样板客户经理|项目|BibTeX公司|参考Works
网址: https://www.jsjkx.com/EN/10.11896/jsjkx.230300137
https://www.jsjkx.com/EN/Y2024/V51/I5/277
引用