相似性度量对KNN蓝牙定位的影响研究

KNN是蓝牙定位的基本算法,该方法原理简单,计算复杂度低。在常见的KNN定位中,大多数都采用欧几里德距离计算向量之间的相似性。本文针对KNN中的相似度计算问题,探索了距离度量中的闵可夫斯基距离和巴氏距离,相似度度量中的肯德尔等级相关系数、皮尔逊相关系数、调整余弦相似度等几种度量方法。对以上几种度量方式进行对比实验表明,在使用KNN进行定位时,采用切比雪夫距离衡量向量之间的相似性所得的定位结果误差最小。