Improving Indoor Positioning via Machine Learning

2019

Толық мәтін Ашық қол жеткізу: Hybrid Метадеректер (CSL-JSON)
DOI 10.5220/0007916601900195
Деректер сенімділігі 70 орташа
Бұл баға қалай есептеледі

Ол жазбаның өзінің тексерілетін белгілерінен құралады: мақаланың DOI-і бар ма, оның деректерін қанша тәуелсіз дереккөз растады, міндетті өрістер толтырылған ба және соңғы растау қаншалықты жаңа. Дереккөздер арасындағы алшақтық пен идентификатордың болмауы бағаны төмендетеді. 80-нен бастап мән жазбаның қосымша тексерусіз жарияланғанын, 60-тан 79-ға дейін — оның сенімділігі төмен күйде жарияланғанын және қолмен тексеру ұсынылатынын білдіреді. Редактор қолмен тексерген жазбаны қайта есептеу 90-нан төмен түсірмейді. Бұл — мақаланың өзіне емес, ол туралы деректерімізге берілген баға.

Аңдатпа

The problem of real time location system is of current interest. Cities are growing up and buildings become more complex and large. In this paper we will describe the indoor positioning issue on the example of user tracking, while using the Bluetooth Low Energy technology and received signal strength indicator(RSSI). We experimented and compared our simple hand-crafted rules with the following machine learning algorithms: Naive Bayes and Support Vector Machine. The goal was to identify actual position of active label among three possible statuses and achieve maximum accuracy. Finally, we achieved accuracy of 0.95.