针对煤矿井下环境高动态变化，导致WiFi指纹匹配定位模型精度降低的问题，提出在线顺序极限学习机(OSELM)的井下定位算法，利用新增接收信号强度指示(RSSI)数据实现对模型的在线实时更新，同时赋予新增数据时效性权重来改进OSELM算法，在保证定位精度的前提下减少数据采集和模型训练工作量。实验结果表明：与传统的批量学习方法相比，利用OSELM在线学习能力可以改善由于井下环境高动态变化导致定位模型精度降低的问题，并且改进的OSELM算法能更有效提升模型定位精度。
科研之友
微信
新浪微博
Facebook
分享链接
