传感器节点定位是无线传感器网络领域应用的研究热点之一。 本文提出了一种基于改进的支持向量机的大规模无线传感器网络定位算法。 对于大规模无线传感器网络，基于支持向量机的定位算法面临着大规模学习样本的问题。 大规模的训练样本将导致训练的负担重，计算，过度学习和分类准确性低。 为了解决这些问题，本文提出了一种新颖的规模化的训练样本约简方法（FCMTSR）。 FCMTSR以训练样本为点集，通过分析点与集之间的关系，得到潜在的支持向量，并去除混合的非边界离群数据。为减少计算量，在模型中采用了模糊C均值聚类

为了提高WSN节点定位精度，针对测距误差对定位结果的影响，提出基于模糊C均值聚类的定位算法。算法首先利用多边定位算法得到若干个定位结果，利用模糊C均值聚类算法对定位结果进行聚类分析，然后，根据聚类结果筛选出粗大误差，最后再利用剩余的测距信息利用改进的多边定位方法进行定位运算。仿真结果表明，与原有算法相比，本文算法能有效降低节点定位误差。