%knn算法
%FP1为匹配指纹，FP2为待匹配数据
function [sm1,X_es] = knn(FP1,FP2,K)
N = length(FP1);
M = length(FP2);
X_es = zeros(2,M);%X和Y坐标的指纹差值矩阵
sm1 = zeros(3,N,M);%记录每个测试点的指纹差值和
for i = 1:M %按顺序完成每一个测试点的计算
Min3 = zeros(2,K);
%sm = zeros(3,N);
for j = 1:N
for k = 1:7 %4个基站->7个基站
match(k,j) = (FP2(k,i) - FP1(k,j))^2; %求匹配数据和各指纹的差值
end
sm1(1,j,i) = sum(match(:,j)); %求出4个指纹差值的和
sm1(2,j,i) = FP1(8,j);%X坐标赋值
sm1(3,j,i) = FP1(9,j);%Y坐标赋值
end
sm = sm1(:,:,i);%针对待匹配数据的每一个点赋值给sm
for k = 1 : K %一共是选K个值
[mi,n] = min(sm,[],2); %找出最小的K个差值 ？？？？？？
sm(1,n(1)) = 1000;%消除该值，继续寻找下一个最小的值
Min3(1,k) = sm(2,n(1));%X坐标赋值
Min3(2,k) = sm(3,n(1));%Y坐标赋值
end
X_es(1:2,i) = mean(Min3,2); %算出的是每一行的平均值的列向量，分别是X和Y坐标指纹差值的均值
end
end
knn.rar （1个子文件） 
knn.m 1023B
小贝德罗
- 粉丝: 86
- 资源: 1万+
评论0