高精度な屋内測位は、患者の監視、機器のスケジューリング管理、実験室の安全などのサービスに貴重な情報支援を提供します。従来の屋内測位技術であるフィンガープリント測位は、受信信号強度（RSS）を用いて最も近いK個の参照点を特定し位置を予測するK近傍法（KNN）アルゴリズムを一般的に使用しています。しかし、RSSは環境の干渉を受けやすく、選択された参照点が必ずしもユーザーの物理空間上で最も近い隣接点とは限りません。また、固定されたK値の使用は最適な戦略ではありません。本稿では、強いアクセスポイントの信頼度に基づく動的K近傍屋内測位法（SAPC-DKNN）を提案します。本手法はRSSの経路損失の事前知識を活用し、RSSの変動範囲により異なるアクセスポイントの重要性を定量化します。強いアクセスポイントの範囲内にあるアクセスポイント群の類似性を統合し、強いアクセスポイントの信頼度に基づいたRSSの重み付き距離尺度を定めます。さらに、隣接密度に基づく動的K値アルゴリズム（ND-DKA）を導入し、各テスト点のK値を自動的に最適化します。3つのデータセットでの実験により、本手法は最先端のKNN手法と比較して平均位置誤差を15.41％～64.74％有意に低減できることを示しました。

受信信号強度（RSS）経路損失;フィンガープリント屋内測位;動的K近傍