随着互联网技术的大规模发展,“互联网+”行动推动着互联网进入各个传统行业,为经济发展提供了新的契机。社会发展的同时,人们对高精度、低成本的定位需求也更加迫切。通过研究了多种传统的定位方法,包括Wi Fi定位、射频定位、蓝牙定位等,以及不依赖额外硬件支持的指纹地图定位,发现一个影响精度的最重要问题,传统定位技术多数依靠信号传播定位,而信号本身是不稳定的,会随时间发生变化,而机器学习恰好弥补了这一点。机器学习由来已久,但其计算量巨大,限于计算机性能有限,长期发展缓慢。随着高性能计算机的出现,使其快速实现成为可能,也在人工智能、图像处理、人脸识别等领域取得了很好的应用,使机器学习成为当下最热门的研究方向。使用机器学习算法实现定位,显然成为无线定位技术研究的一个新方向。本文通过研究DNN算法、SVR算法和k-NN算法,结合路测数据本身的特点提出了三种不同的定位方法。对于原始的路测数据进行了预处理,包括原始的数据清洗,并进行了数据归一化。提出了去噪自编码器,用来确定DNN算法的初始参数,提高算法的鲁棒性。DNN算法的定位精度为54.1m,置信度为79.4%;SVR算法的定位精度为180m,置信度为90%;k-NN算法定位精度为20m,置信度为89.26%。对比三种算法的定位结果,SVR算法精度太差,k-NN算法有一定的推广价值,而DNN算法虽然结果不佳,不过精度和置信度都还有很大提升空间,是后续研究的重点。