MétaCan
Menu
Retour à la cohorte
Enregistrement W4244365807 · doi:10.1109/glocom.2014.7417730

Automatic Device-Transparent RSS-Based Indoor Localization

2014· article· en· W4244365807 sur OpenAlexaff
Sadiq Jafar Sadiq, Shahrokh Valaee

Notice bibliographique

Revue2015 IEEE Global Communications Conference (GLOBECOM) · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueIndoor and Outdoor Localization Technologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRSSComputer scienceSet (abstract data type)k-nearest neighbors algorithmSignal strengthPoint (geometry)Transformation (genetics)Data miningArtificial intelligenceAlgorithmPattern recognition (psychology)WirelessMathematicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

Signal strength variation across diverse devices is a major problem with RSS-based indoor localization systems. This paper aims to solve this problem by considering two factors: the instability of collected RSS samples and linear shift of RSS patterns collected by different devices. We propose different techniques to handle the uncertainty of samples. Furthermore, we propose an automatic linear transformation algorithm that relies on the linear relationship across diverse devices. The algorithm finds the set of nearest neighbor fingerprints for an online point through a series of linear transformations. A localizer engine is then used to detect user's location. The proposed system is automatic, has low computational complexity and does not require any training period. Experimental results indicate the proposed system is reliable with very high positional accuracy.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,976
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,047
Tête enseignante GPT0,300
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2015 IEEE Global Communications Conference (GLOBECOM)Même sujetIndoor and Outdoor Localization TechnologiesTravaux en français237 207