摘要：为了减小室内环境因素对室内WiFi定位的影响，降低定位成本，提高定位精度以及扩大定位区域，通过对室内定位系统和机器学习算法的讨论，提出了一种基于K-means和Random Forest融合的WiFi室内定位算法。针对室内wiFi信号强度分布的特点，该算法通过K-means聚类改进算法对数据进行初始分类，然后使用Random Forest对初始分类结果进行二次分类。实验结果表明，该定位算法的定位精度在2米以内的概率为89．1％，达到预期的定位效果，同时对缺失值数据具有较好的适应能力。

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）