研究文章
混合wi - fi Fingerprint-Based本地化方案通过结合费舍尔得分和堆叠稀疏Autoencoder算法
算法1
特征提取算法费舍尔score-stacked稀疏autoencoder (Fisher-SSAE)。
| 输入: |
| (1) |
培训指纹数据 |
| (2) |
费舍尔的标准选择的特性 |
| (3) |
隐藏层的最大尺寸 |
| (4) |
最大深度为SSAE |
| 输出: |
| (1) |
隐层的结构SSAE包括尺寸和深度 |
| (2) |
指纹特征提取 |
| 计算每个AP的费舍尔得分功能 |
| 费舍尔得分排名根据其价值(大,小),并保持特性,对应于第一k值 |
| 设置初始SSAE的深度 |
| 设置初始隐层的维度 |
| t= 1 |
| 重复 |
|
t=t+ 1 |
|
|
|
计算分类的准确性是用来实现分区域定位 |
| 直到或 |
| 确定 |
| t= 1 |
| 重复 |
|
t=t+ 1 |
|
|
|
计算分类的准确性是用来实现分区域定位 |
| 直到或 |
| 确定 |
| 培训通过SSAE指纹数据 |
| 返回数据的隐藏层 |
|
