随着互联网和信息技术的快速发展,移动智能化时代的到来,实际生活中,人们的出行离不开定位与导航,汽车驾驶、出行路线规划等这些场景都与定位技术息息相关,当然这些都是室外定位。除此之外,人们对基于室内定位的服务的需求也越来越大,比如,大型商超商家通过用户的位置而进行广告推荐,在办公现场对配有相关设备的工作人员进行实时定位以方便对工作人员的管理。如何有效的进行室内定位有着重要的研究价值。WIFI因其部署方便、成本低等特点为人们快速接入因特网提供了便利,同时智能终端的快速普及为人们借助WIFI通过智能硬件实现室内定位成为可能。本文针对室内位置指纹定位的性能问题,将机器学习的思想运用在室内位置指纹定位上,分别从离线阶段和在线阶段两个阶段进行优化改进。首先,在离线阶段,对比传统的分类方法并设计了新的DNN神经网络模型,通过自编码器网络构建、训练分类器网络来最终缩小待定指纹信息的遍历范围,提高了预测范围的准确度,为下一阶段能够精确定位打下了基础,在线定位阶段,分析并对比现有的在线定位算法,充分考虑了不同指纹的贡献程度对定位的影响,通过引入改进的加权KNN算法为指纹赋予不同的权重,避免了使用固定的K值在定位阶段带来的较大误差,提高了在线定位的精确性。最后,通过UCI公共数据集进行实验,并将改进的算法与主流的室内定位算法对比,实验结果证明了改进的算法能够有效地提升室内位置指纹定位的性能。