文献

J-GLOBAL ID：201902265684885689   整理番号：19A2119730

CANLOC: GMMクラスタ化に基づく分類アンサンブルを用いたインフラストラクチャーのない屋内位置決め方法論【JST・京大機械翻訳】

CEnsLoc: Infrastructure-Less Indoor Localization Methodology Using GMM Clustering-Based Classification Ensembles

著者 (3件)： Akram Beenish Ayesha ( Department of Computer Science and Engineering, University of Engineering and Technology, Lahore, Pakistan) ,  Akbar Ali Hammad ( Department of Computer Science and Engineering, University of Engineering and Technology, Lahore, Pakistan) ,  Kim Ki-Hyung ( Department of Computer Engineering, Graduate School, Ajou University, Suwon, Republic of Korea)
資料名： Mobile Information Systems (Web)  (Mobile Information Systems (Web))
巻： 2018  ページ： Null  発行年： 2018年 
JST資料番号： U7044A  ISSN： 1574-017X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 屋内の位置確認は,その実現が課題として残っているという事実により,過去10年間にわたって関心を続けている。指紋に基づくシステムは,電波伝搬モデルと比較して本質的にこれらの具体的な信号伝搬に関連する情報のために励起されている。Wi-Fi(RF技術)は,文献的に広く展開されているので,屋内位置確認に最も適しており,追加のインフラストラクチャは必要とされていない。位置ベースのサービスは,基礎技術を通して獲得された指紋に依存するので,機械学習のようなスマートなメカニズムは,理解できる情報を抽出するためにますます組み込まれている。著者らは,GMMクラスタ化とランダムフォレスト(RFEs)上で確立された,新しい容易な訓練と展開が可能なWi-Fi位置決め方法論を提案する。主成分分析を生データの次元縮小に適用した。実施した実験は,それが部屋予測のために97%の精度を提供することを実証した。しかしながら,人工ニューラルネットワーク,k-最近傍,K[数式:原文を参照],FURIA,およびDeeplearning4Jベースの局在化ソリューションは,収集した実世界データセットに対して,それぞれ平均85%,91%,90%,92%,および73%の精度を提供した。それは,無視できる応答時間で高い室レベル精度を提供し,それを実行可能にし,実時間応用に適している。Copyright 2018 Beenish Ayesha Akram et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 電波伝搬 ,  *位置決め ,  ニューラルネットワーク ,  *クラスタ化 ,  *インフラストラクチャー ,  信号伝送 ,  予測 ,  指紋 ,  機械学習 ,  主成分分析
準シソーラス用語： 局在化 ,  生データ ,  WiFi ,  *屋内 ,  *屋内位置決め , 【Automatic Indexing@JST】

分類 (2件)： 電子航法一般  (ND14010O) ,  長さ,面積,断面,体積,容積,角度の計測法・機器  (AD05020O)

引用文献 (37件)：

• J. Torres-Sospedra, R. Montoliu, S. Trilles, Ó. Belmonte, J. Huerta, "Comprehensive analysis of distance and similarity measures for Wi-Fi fingerprinting indoor positioning systems," Expert Systems with Applications, vol. 42, no. 23, pp. 9263-9278, 2015.
• H. Mehmood, N. K. Tripathi, "Cascading artificial neural networks optimized by genetic algorithms and integrated with global navigation satellite system to offer accurate ubiquitous positioning in urban environment," Computers, Environment and Urban Systems, vol. 37, no. 1, pp. 35-44, 2013.
• M. M. Soltani, A. Motamedi, A. Hammad, "Enhancing cluster-based RFID tag localization using artificial neural networks and virtual reference tags," Automation in Construction, vol. 54, pp. 93-105, 2015.
• M. L. Rodrigues, L. F. M. Vieira, M. F. M. Campos, "Fingerprinting-based radio localization in indoor environments using multiple wireless technologies," Proceedings of IEEE International Symposium on Personal, Indoor and Mobile Radio Communications, pp. 1203-1207, Toronto, ON, Canada, September 2011.
• J. Luo, H. Gao, "Deep belief networks for fingerprinting indoor localization using ultrawideband technology," International Journal of Distributed Sensor Networks, vol. 12, no. 1, 2016.

タイトルに関連する用語 (7件)： GMM ,  クラスタ化 ,  分類 ,  アンサンブル ,  インフラストラクチャー ,  屋内位置決め ,  方法論