抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
正確な位置ベースのサービス(LBS)は,モノのインターネット(IoT)の時代における基本的だが重要なサービスの一つである。WiFiフィンガープリントに基づく屋内測位システム(IPS)は,屋内LBSのための最も有望な解決策となっている。しかし,オフライン較正された受信信号強度(RSS)無線マップを種々の環境動力学下で高い位置決め精度と一致LBSを提供できない。この問題に対処するために,著者らは系統的戦略としてTKL WinSMS,動的屋内環境におけるロバストかつ適応屋内位置決めを実現することができるを提案した。はそれらの間でリアルタイムRSS測定値を抽出することによりオンライン基準点としてWiFiルータを可能にするWiFiベースの非侵襲センシングとモニタリングシステム(WinSMS)を開発した。オフライン的に校正された電波マップからこれらのオンラインデータと標識源データを用いて,著者らはさらに非標識標的データとして標的モバイルデバイスからのRSS測定値を組み合わせ,新たな転移学習アルゴリズム,すなわち移動カーネル学習(TKL)を用いたロバストな局在モデルを設計した。生の多雑音信号空間の代わりに再生カーネルH ilbert空間におけるソースおよびターゲット分布を直接マッチングすることによりドメイン不変カーネルを学習することができる。得られたカーネルはSVR訓練手順のための入力として用いることができる。このようにして,訓練された局在化モデルはオンライン相から情報を継承するオフライン的に校正された電波マップを向上させる適応的にできる。広範な実験を行い,提案したTKL WinSMSである様々な環境intereferences下で既存の解と比較して少なくとも26%による位置決め精度を向上させることができることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】