Over the last decade, indoor positioning has played an increasing role in the navigation market. In this work we present an indoor attempt for localization based on radio-environment properties. Our research concerns implementation of machine learning algorithms for a Wi-Fi fingerprints-based positioning system. The algorithms we chose are kNN, NB and RF. The method was evaluated using several different mobile devices, with samples collected in different locations of a school building. The results we achieved are very promising.
PL
W ciągu ostatniej dekady pozycjonowanie w pomieszczeniach odgrywa coraz większą rolę na rynku nawigacji. W niniejszej pracy przedstawiamy podejście lokalizacji wewnętrznej na podstawie właściwości środowiska propagacyjnego. Przedstawiamy zastosowanie algorytmów uczenia maszynowego do systemu pozycjonowania opartego na odciskach palców Wi-Fi. Wybrane zostały algorytmy kNN, NB oraz RF. Skuteczność/Dokładność metody została oceniona przy użyciu kilku różnych urządzeń mobilnych, z próbkami pobranymi w różnych miejscach budynku szkolnego. Otrzymane wyniki są bardzo obiecujące.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Over the last decade, indoor positioning has played an increasing role in the navigation market. In this work we present an indoor attempt for localization based on radio-environment properties. Our research concerns implementation of machine learning algorithms for a Wi-Fi fingerprints-based positioning system. The algorithms we chose are kNN, NB and RF. The method was evaluated using several different mobile devices, with samples collected in different locations of a school building. The results we achieved are very promising.
PL
W ciągu ostatniej dekady pozycjonowanie w pomieszczeniach odgrywa coraz większą rolę na rynku nawigacji. W niniejszej pracy przedstawiamy podejście lokalizacji wewnętrznej na podstawie właściwości środowiska propagacyjnego. Przedstawiamy zastosowanie algorytmów uczenia maszynowego do systemu pozycjonowania opartego na odciskach palców Wi-Fi. Wybrane zostały algorytmy kNN, NB oraz RF. Skuteczność/Dokładność metody została oceniona przy użyciu kilku różnych urządzeń mobilnych, z próbkami pobranymi w różnych miejscach budynku szkolnego. Otrzymane wyniki są bardzo obiecujące
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.