在人工智能迅猛发展的今天,机器学习作为一门交叉学科,涉及统计学,概率论,凸优化等算法理论被应用广泛,为解决各类现实问题提供智能方案。LBS作为一种现实定位服务在本世纪快速发展,以GPS技术为核心的室外定位服务已极为成熟;而由于室内定位环境通信环境复杂,难以建模,以基于RSSI信息匹配定位技术为核心的室内定位技术在准确性,实时性,定位效率方面仍有较大进步空间。本文将机器学习理论与室内定位问题相结合,实现一种新颖的基于机器学习理论的室内定位算法。针对室内定位难以建立数学模型,在线定位匹配复杂度高的难题,选择机器学习理论中在解决无模型问题方面有较高性能表现的神经网络算法,并使用机器学习理论相关算法对神经网络定位系统进行优化;实现传统RSSI位置指纹定位系统,编程实现BP神经网络定位系统和机器学习定位优化算法并使用实测数据对以上编程实现的各个系统进行训练以及测试。结合算法概念特性对实测结果进行性能分析,总结出在精度,稳定性,定位速率以及学习效率方面表现出优异性能的室内RSSI神经网络定位方案。