論文の概要: Data Cleansing for Indoor Positioning Wi-Fi Fingerprinting Datasets
- arxiv url: http://arxiv.org/abs/2205.02096v1
- Date: Wed, 4 May 2022 14:48:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-05 17:22:28.379887
- Title: Data Cleansing for Indoor Positioning Wi-Fi Fingerprinting Datasets
- Title（参考訳）: 屋内位置決め型Wi-Fiフィンガープリントデータセットのためのデータクリーニング
- Authors: Darwin Quezada-Gaibor, Lucie Klus, Joaqu\'in Torres-Sospedra, Elena
Simona Lohan, Jari Nurmi, Carlos Granell and Joaqu\'in Huerta
- Abstract要約: 位置決めとローカライゼーションサービスを必要とするウェアラブルデバイスとIoTデバイスは、毎年指数関数的に増加しています。
この急速な成長は、屋内位置決めシステムで使われる前に事前処理する必要がある何百万ものデータエントリを生成する。
本稿では, 無線地図の指紋認証のための, 新規かつ簡便なデータ浄化アルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 1.1314190932738055
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Wearable and IoT devices requiring positioning and localisation services grow
in number exponentially every year. This rapid growth also produces millions of
data entries that need to be pre-processed prior to being used in any indoor
positioning system to ensure the data quality and provide a high Quality of
Service (QoS) to the end-user. In this paper, we offer a novel and
straightforward data cleansing algorithm for WLAN fingerprinting radio maps.
This algorithm is based on the correlation among fingerprints using the
Received Signal Strength (RSS) values and the Access Points (APs)'s identifier.
We use those to compute the correlation among all samples in the dataset and
remove fingerprints with low level of correlation from the dataset. We
evaluated the proposed method on 14 independent publicly-available datasets. As
a result, an average of 14% of fingerprints were removed from the datasets. The
2D positioning error was reduced by 2.7% and 3D positioning error by 5.3% with
a slight increase in the floor hit rate by 1.2% on average. Consequently, the
average speed of position prediction was also increased by 14%.
- Abstract（参考訳）: 位置決めとローカライゼーションサービスを必要とするウェアラブルデバイスとIoTデバイスは、毎年指数関数的に増加しています。
この急速な成長は、データ品質を保証し、エンドユーザに高品質なサービス(QoS)を提供するために、あらゆる屋内位置決めシステムで使用される前に前処理する必要がある何百万ものデータエントリを生成する。
本稿では,無線地図のWLANフィンガープリントのための,斬新で簡単なデータクリーニングアルゴリズムを提案する。
このアルゴリズムは、受信信号強度(rss)値とアクセスポイント(aps)識別子を用いた指紋間の相関に基づいている。
これらを用いてデータセット内のすべてのサンプル間の相関を計算し、データセットから低レベルの相関関係を持つ指紋を除去する。
提案手法を14の独立データセット上で評価した。
その結果、データセットから平均14%の指紋が削除された。
2次元位置決め誤差は2.7%減少し、3次元位置決め誤差は5.3%減少し、フロアヒット率は平均1.2%上昇した。
その結果, 位置予測の平均速度も14%向上した。
関連論文リスト
- Decorrelating Structure via Adapters Makes Ensemble Learning Practical for Semi-supervised Learning [50.868594148443215]
コンピュータビジョンでは、従来のアンサンブル学習法は訓練効率が低いか、限られた性能を示す。
本稿では,視覚的タスクに適応器を用いたDecorrelating Structure(DSA)による軽量,損失関数なし,アーキテクチャに依存しないアンサンブル学習を提案する。
論文 参考訳（メタデータ） (2024-08-08T01:31:38Z) - Collaborative Learning with a Drone Orchestrator [79.75113006257872]
インテリジェントな無線デバイス群は、ドローンの助けを借りて共有ニューラルネットワークモデルを訓練する。
提案したフレームワークは,トレーニングの大幅な高速化を実現し,ドローンホバリング時間の平均24%と87%の削減を実現している。
論文 参考訳（メタデータ） (2023-03-03T23:46:25Z) - A Meta-Learning Approach to Predicting Performance and Data Requirements [163.4412093478316]
本稿では,モデルが目標性能に達するために必要なサンプル数を推定する手法を提案する。
モデル性能を推定するデファクト原理であるパワー法則が,小さなデータセットを使用する場合の誤差が大きいことが判明した。
本稿では,2つのデータを異なる方法で処理するPPL法について紹介する。
論文 参考訳（メタデータ） (2023-03-02T21:48:22Z) - Uncertainty-Aware Camera Pose Estimation from Points and Lines [101.03675842534415]
Perspective-n-Point-and-Line (Pn$PL) は、2D-3D特徴座標の3Dモデルに関して、高速で正確で堅牢なカメラローカライゼーションを目指している。
論文 参考訳（メタデータ） (2021-07-08T15:19:36Z) - Using Synthetic Data to Enhance the Accuracy of Fingerprint-Based
Localization: A Deep Learning Approach [1.6379393441314491]
合成データを用いた指紋ベースのローカリゼーションにおけるトレーニングデータ収集コストを削減するための新しいアプローチを紹介します。
GAN(Generative Adversarial Network)は、収集されたデータの限られたサンプルの分布を学習するために用いられる。
収集されたデータのフルセットを使用して得られるものと本質的に同様の位置決め精度を得ることができます。
論文 参考訳（メタデータ） (2021-05-05T07:36:01Z) - ProxyFAUG: Proximity-based Fingerprint Augmentation [81.15016852963676]
ProxyFAUGはルールベースで近接性に基づく指紋増強法である。
このデータセット上で最高のパフォーマンスの測位法は、中央値エラーで40%改善され、平均誤差で6%向上した。
論文 参考訳（メタデータ） (2021-02-04T15:59:30Z) - Variational Information Bottleneck Model for Accurate Indoor Position
Recognition [0.0]
室内位置の精度向上のための変分情報ボトルネックモデルを提案する。
提案モデルはエンコーダ構造と予測器構造からなる。
実世界のデータセット上で検証実験を行う。
論文 参考訳（メタデータ） (2021-01-26T09:29:53Z) - 3DIoUMatch: Leveraging IoU Prediction for Semi-Supervised 3D Object
Detection [76.42897462051067]
3DIoUMatchは屋内および屋外の場面両方に適当3D目的の検出のための新しい半監視された方法です。
教師と教師の相互学習の枠組みを活用し,ラベル付けされていない列車の情報を擬似ラベルの形で伝達する。
本手法は,ScanNetとSUN-RGBDのベンチマークにおける最先端の手法を,全てのラベル比で有意差で継続的に改善する。
論文 参考訳（メタデータ） (2020-12-08T11:06:26Z) - DeFraudNet:End2End Fingerprint Spoof Detection using Patch Level
Attention [11.978082858160572]
クロスセンサーとクロスマテリアルスプーフ検出は、指紋認識システムにとって依然として課題となっている。
本稿では,グローバルな指紋特徴記述子とローカルな指紋特徴記述子を用いた指紋スプーフ検出手法を提案する。
新たなパッチアテンションネットワークは、最も識別性の高いパッチの発見や、ネットワーク融合にも使用される。
論文 参考訳（メタデータ） (2020-02-19T14:41:06Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。