KNN演算法

常見室內定位的「訊號處理」方式有三點定位RSSI、AOA、TOA、TDOA這些訊號處理方式都有下述的缺點:
●有任何會造成訊號衰減的因素時,計算就會失準
● 發射端與接收端的距離越遠,誤差值越大,設備成本較高
● 空間結構只要略影響訊號接收,就會造成極大的誤差
● 目前AI硬體發展已逐漸成熟,即以KNN演算法開發,解決上述問題缺失

KNN又名 K-近鄰演算法
k是一個用戶定義的常數。一個沒有類別標籤的向量(查詢或測試點)將被歸類為最接近該點的k個樣本點中最頻繁使用的一類

舉例來說我們要找出和新數據附近的K個鄰居(資料),這些鄰居是哪一類(標籤)的它就是哪一類。

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *