萤火虫算法优化支持向量机室内定位研究

计算机工程与科学 ›› 2022, Vol. 44 ›› Issue (11): 1968-1975.

• 计算机网络与信息安全 • 上一篇下一篇

萤火虫算法优化支持向量机室内定位研究

仲臣1,2,3，余学祥1,2,3，邰晓曼1,2,3，韩雨辰1,2,3，肖星星1,2,3，刘清华1,2,3

（1.安徽理工大学空间信息与测绘工程学院,安徽淮南 232001；
2.安徽理工大学矿山采动灾害空天地协同监测与预警安徽普通高校重点实验室,安徽淮南 232001；
3.安徽理工大学矿区环境与灾害协同监测煤炭行业工程研究中心,安徽淮南 232001）

收稿日期:2021-07-01 修回日期:2021-11-24 接受日期:2022-11-25 出版日期:2022-11-25 发布日期:2022-11-25
基金资助:
国家自然科学基金（41474026）;安徽省自然科学基金（2008085MD114）

Indoor positioning of support vector machine optimized by firefly algorithm

(1.School of Geomatics,Anhui University of Science and Technology,Huainan 232001；
2.Key Laboratory of Aviation-aerospace-ground Cooperative Monitoring and Early Warning of Coal Mining-induced
Disasters of Anhui Higher Education Institutes,Anhui University of Science and Technology,Huainan 232001；
3.Coal Industry Engineering Research Center of Mining Area Environmental and Disaster Cooperative Monitoring,
Anhui University of Science and Technology,Huainan 232001,China)

Received:2021-07-01 Revised:2021-11-24 Accepted:2022-11-25 Online:2022-11-25 Published:2022-11-25

摘要/Abstract

摘要： 针对室内定位指纹库匹配冗余信息多造成定位浮动大，且数据库中样本数过多定位时效性差等问题，提出一种基于萤火虫算法FA优化支持向量机SVM的室内定位算法FA-SVM。利用奇异谱分析SSA预处理数据去除噪声，通过萤火虫算法优化支持向量机参数，建立室内定位回归模型。实验结果表明，相对于目前其它室内定位算法，FA-SVM算法收敛速度快，提高了室内定位精度和稳定性。

关键词: 室内定位, 去噪, 萤火虫算法, 支持向量机, 定位精度

Abstract: Aiming at the problems of large positioning fluctuation caused by excessive matching redundant information in indoor positioning fingerprint database and poor positioning timeliness caused by excessive sample number in database, This paper proposes a new indoor positioning method based on support vector machine (SVM) optimized by firefly algorithm (FA). Singular Spectrum Analysis (SSA) is used to remove noise during data preprocessing and the SVM parameters are optimized by FA, so as to establish the indoor positioning regression model. The experimental results show that, compared with the current indoor positioning method, FA-SVM algorithm has fast convergence speed and improves the indoor positioning accuracy and stability.

Key words: indoor positioning, denoising, firefly algorithm, support vector machine, positioning accuracy

仲臣, 余学祥, 邰晓曼, 韩雨辰, 肖星星, 刘清华, . 萤火虫算法优化支持向量机室内定位研究[J]. 计算机工程与科学, 2022, 44(11): 1968-1975.

ZHONG Chen, YU Xue-xiang, TAI Xiao-man, HAN Yu-chen, XIAO Xing-xing, LIU Qing-hua, . Indoor positioning of support vector machine optimized by firefly algorithm[J]. Computer Engineering & Science, 2022, 44(11): 1968-1975.

参考文献［4］

［1］	Tian Ze-yue,Yu Xing,Huang Jian.Indoor positioning algorithm based on TS-KNN［J］.Journal of Chongqing University,2020,43(5):93-103.(in Chinese)
［2］	Dang Xiao-chao,Ma Ping-chuan,Hao Zhan-jun.Improved KNN indoor positioning method based on CSI［J］.Sensors and Microsystems,2019,38(10):51-53.(in Chinese)
［3］	Cao Jian-rong,Zhang Xu,Wu Xin-ying,et al.Indoor positioning algorithm combining CNN and WiFi fingerprint database［J］.Computer Systems & Applications,2020,29(7):173-179.(in Chinese)
［4］	Deng Su.Research on BP neural network WiFi fingerprint-PDR fusion location based on artificial fish school［D］.Nanchang:Jiangxi Normal University,2020.(in Chinese)
［5］	Ozdemir B N,Ceylan A.Constructing a precise radio map and application of indoor positioning with dual-frequency Wi-Fi fingerprinting method［J］.Measurement,2020,163:107997.
［6］	Brkovic＇ M,Simic＇ M.Multidimensional optimization of signal space distance parameters in WLAN positioning［J］.The Scientific World Journal,2014,2014:article ID 986061.
［7］	Ali M U, Hur S, Park S, et al. Harvesting indoor positioning accuracy by exploring multiple features from received signal strength vector［J］. IEEE Access, 2019, 7:52110-52121.
［8］	Subasi A.Classification of EMG signals using PSO optimized SVM for diagnosis of neuromuscular disorders［J］.Computers in Biology and Medicine,2013,43(5):576-586.
［9］	Rahman M S, Park Y,Kim K-D. RSS-based indoor localization algorithm for wireless sensor network using generalized regression neural network［J］.Arabian Journal for Science and Engineering,2012,37:1043-1053.
［10］	Dai H, Ying W H, Xu J. Multi-layer neural network for received signal strength-based indoor localization［J］. IET Communications, 2016, 10(6):717-723.
	附中文参考文献：
［1］	田泽越,余星,黄剑.基于TS-KNN的室内定位算法［J］.重庆大学学报,2020,43(5):93-103.
［2］	党小超,马平川,郝占军.基于CSI的改进KNN室内定位方法［J］.传感器与微系统,2019,38(10):51-53.
［3］	曹建荣,张旭,武欣莹,等.结合CNN和WiFi指纹库的室内定位算法［J］.计算机系统应用,2020,29(7):173-179.
［4］	邓素.基于人工鱼群的BP神经网络WiFi指纹-PDR融合定位研究［D］.南昌：江西师范大学,2020.

[1]	刘屹成, 刘晓燕, 严馨. 并行平衡级联支持向量机[J]. 计算机工程与科学, 2023, 45(07): 1170-1177.
[2]	唐宇, 代琪, 杨梦园, 陈丽芳, . 改进麻雀搜索算法优化SVM的异常点检测[J]. 计算机工程与科学, 2023, 45(02): 346-354.
[3]	马汉达, 朱敏. 改进SVM不平衡数据分类的IGWOSMOTE方法[J]. 计算机工程与科学, 2022, 44(06): 1133-1140.
[4]	曹良林, 贲可荣, 张献. 基于代理辅助多目标萤火虫算法的软件缺陷预测方法研究[J]. 计算机工程与科学, 2022, 44(02): 257-265.
[5]	张露文, 薛晓军, 李恒, 王海瑞, 张国银, 赵磊. 基于改进NLM的PCB图像去噪算法[J]. 计算机工程与科学, 2021, 43(09): 1608-1615.
[6]	张培玲, 李小真, 崔帅华. 基于改进小波阈值-CEEMDAN算法的ECG信号去噪研究[J]. 计算机工程与科学, 2020, 42(11): 2067-2072.
[7]	林涛，赵成林，刘航鹏，赵参参. 基于改进栈式自编码器的风电机组发电机健康评估[J]. 计算机工程与科学, 2020, 42(03): 517-522.
[8]	韦修喜1，黄华娟1，周永权1,2. 基于AP聚类的约简孪生支持向量机快速分类算法[J]. 计算机工程与科学, 2019, 41(10): 1899-1904.
[9]	王云艳1,2，罗冷坤1，王重阳1. 基于流形学习的光学遥感图像分类[J]. 计算机工程与科学, 2019, 41(07): 1212-1219.
[10]	冯璋，裴东,王维. 基于改进灰狼算法优化支持向量机的人脸识别[J]. 计算机工程与科学, 2019, 41(06): 1057-1063.
[11]	谢国民，张婷婷，刘明，屠乃威，刘志邦. 基于SDAE特征表示的协同主题回归推荐模型[J]. 计算机工程与科学, 2019, 41(05): 924-932.
[12]	崔建双，车梦然. 基于多分类支持向量机的优化算法智能推荐系统与实证分析[J]. 计算机工程与科学, 2019, 41(01): 153-160.
[13]	马永军，李亚军，汪睿，陈海山. 基于Wasserstein GAN的文档表示模型[J]. 计算机工程与科学, 2019, 41(01): 161-165.
[14]	田勋，汪西莉. 基于聚类标签均值的半监督支持向量机[J]. 计算机工程与科学, 2018, 40(12): 2265-2272.
[15]	颜学龙，龚流青，汪斌斌. 基于DCQGA-SMKL-SVM的模拟电路故障诊断方法[J]. 计算机工程与科学, 2018, 40(11): 1944-1950.

萤火虫算法优化支持向量机室内定位研究

Indoor positioning of support vector machine optimized by firefly algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献［4］

相关文章 15

编辑推荐

Metrics

本文评价

萤火虫算法优化支持向量机室内定位研究

Indoor positioning of support vector machine optimized by firefly algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献 ［4］

相关文章 15

编辑推荐

Metrics

本文评价

参考文献［4］