文献

J-GLOBAL ID：201902267907261954   整理番号：19A1942638

屋内ランドマーク位置決めのための条件付き確率ベースアンサンブル学習【JST・京大機械翻訳】

Conditional probability-based ensemble learning for indoor landmark localization

著者 (4件)： Zhao Zhongliang (Institute of Computer Science, University of Bern, Switzerland) ,  Carrera V. Jose Luis (Institute of Computer Science, University of Bern, Switzerland) ,  Braun Torsten (Institute of Computer Science, University of Bern, Switzerland) ,  Pan Zhiyang (R&D, China Power Construction Engineering Consulting, Beijing, China)
資料名： Computer Communications (Amsterdam)  (Computer Communications (Amsterdam))
巻： 145  ページ： 319-325  発行年： 2019年 
JST資料番号： D0443B  ISSN： 0140-3664  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 屋内位置認識は,スマートホームやスマートオフィスのような多くの位置ベースサービスを可能にする。今日のスマートフォンによって収集された膨大な量のセンサデータは,屋内位置とセンサ測定の間の相関を引き出すために,先進的な機械学習アルゴリズムを適用するための堅実な基礎を提供する。周囲のWi-Fiアクセスポイントと磁場の受信信号強度のような多重センサ測定の組合せは,スマートフォンの屋内位置を正確に予測するために導き出すことができる多くの位置において独特であると仮定した。本研究では,スマートビルにおける室内レベルの屋内位置確認を提供するための新しいアンサンブル学習法を提案した。提案は条件付き確率モデルに基づいており,クラスラベルを予測するために条件付き確率概念を用いて複数の個々の機械学習予測子の予測結果を組み合わせた。Androidスマートフォン上にシステムを実装し,実世界の沖合い環境における広範な実験を行った。実験結果により,提案したアンサンブル予測器は,個別および集合投票ベースの機械学習アルゴリズムより優れていることを示した。それは,オフ氷様環境においてほぼ97%の最良の屋内ランドマーク位置決め精度を達成した。本研究は,正確な屋内位置決めのための基礎として想定できる,粗粒室内室認識を提供する。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 投票 ,  機械学習 ,  予測 ,  学習アルゴリズム ,  *位置決め ,  インテリジェントビル ,  スマートフォン ,  センサ
準シソーラス用語： 屋内位置決め ,  アンドロイド ,  WiFi ,  スマートホーム ,  *アンサンブル学習 ,  *ランドマーク ,  *屋内 , 【Automatic Indexing@JST】

分類 (2件)： 電話・データ通信・交換一般  (ND11010T) ,  計算機網  (JC03000K)

タイトルに関連する用語 (4件)： 屋内 ,  ランドマーク ,  条件付き確率 ,  アンサンブル学習