Aplicação de técnicas de aprendizado de máquina em sistemas de localização indoors

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorViterbo Filho, José-
Autor(es): dc.contributorBernardini, Flavia Cristina-
Autor(es): dc.contributorMonteiro, Rodrigo Salvador-
Autor(es): dc.creatorSouza, Raphael Gonçalves Bittencourt de-
Autor(es): dc.creatorCoelho, Igor da Silva-
Data de aceite: dc.date.accessioned2024-07-11T18:19:06Z-
Data de disponibilização: dc.date.available2024-07-11T18:19:06Z-
Data de envio: dc.date.issued2018-07-17-
Data de envio: dc.date.issued2018-07-17-
Data de envio: dc.date.issued2017-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/7024-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/768157-
Descrição: dc.descriptionOs sistemas de localização indoors têm se tornado cada vez mais uma alternativa viável para a identificação do posicionamento geográfico em ambientes onde a cobertura de satélites não é capaz de operar de maneira apropriada, como por exemplo, o interior de um prédio. Esses sistemas podem tirar proveito da infraestrutura de redes Wi-Fi e o crescente do uso de aparelhos móveis para definir o posicionamento a partir do mapeamento de assinaturas, que contêm a informação intensidade do sinal recebido. Para que o posicionamento seja definido, uma das possibilidades é utilizar algoritmos de aprendizado de máquina para o reconhecimento de padrões entre os níveis de intensidade dos sinais recebidos e um modelo mapeado anteriormente contendo os níveis esperados para determinado local. Um dos maiores desafios desses sistemas é a escolha ideal do algoritmo de aprendizado de máquina. Neste trabalho, foram testadas diferentes técnicas de aprendizado de máquina para realizar a avaliação dos sistemas de localização indoors, através da aplicação dos algoritmos em uma base de dados chamada UJIIndoorLoc. Através da avaliação de diferentes métricas, foram comparadas a performance dos algoritmos de aprendizado de máquina considerando a eficiência na estimativa da localização-
Descrição: dc.descriptionIndoor localization systems have become an increasingly viable alternative for identification of the geographical positioning in environments where satellite coverage is not able to operate properly, such as the interior of a building. These systems can take advantage of the Wi-Fi network infrastructure and the growing use of mobile devices to define the position from fingerprints, which contains the information received signal strength. To define the position, one of the possibilities is to use machine learning algorithms for pattern recognition between the intensity of the received signal levels and mapped model containing previously expected levels for a given location. One of the biggest challenges of these systems is the ideal choice of the machine learning algorithm. In this work, different machine learning techniques are tested to carry out the assessment of indoor location systems through the application of algorithms in a database called UJIIndoorLoc. Through the evaluation of different metrics, the performance of the machine learning algorithms was compared considering the efficiency in the estimation of the location-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectLocalização indoors-
Palavras-chave: dc.subjectImpressões digitais de rede-
Palavras-chave: dc.subjectAprendizado de máquina-
Palavras-chave: dc.subjectGeolocalização-
Palavras-chave: dc.subjectLocalization systems-
Palavras-chave: dc.subjectWLAN fingerprints-
Título: dc.titleAplicação de técnicas de aprendizado de máquina em sistemas de localização indoors-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.