Resumen

La localización en interiores ha seguido atrayendo interés en la última década, debido a que su realización sigue siendo un desafío. Los sistemas basados en huellas digitales son emocionantes porque incorporan intrínsecamente información relacionada con la propagación de señales en comparación con los modelos de propagación de radio. El Wi-Fi (una tecnología de RF) es el más adecuado para la localización en interiores porque está tan ampliamente desplegado que literalmente no se requiere infraestructura adicional. Dado que los servicios basados en la ubicación dependen de las huellas digitales adquiridas a través de la tecnología subyacente, mecanismos inteligentes como el aprendizaje automático se incorporan cada vez más para extraer información inteligible. Proponemos CEnsLoc, una nueva metodología de localización Wi-Fi fácil de entrenar e implementar establecida en el agrupamiento GMM y los conjuntos de bosques aleatorios (RFEs). Se aplicó análisis de componentes principales para la reducción de la dimensión de los datos crudos. La experimentación realizada dem

• Materias:Lector de pantalla Interfaz de usuario Localización en interiores Realidad virtual móvil Redes móviles
• Subjects:Screen reader User interface Indoor localization Mobile virtual reality Mobile networks
• Palabras claves:Localización en interiores; Sistemas basados en huellas dactilares; Tecnología Wi-Fi; Aprendizaje automático; Metodología CEnsLoc; Análisis de componentes principales
• Keywords:Indoor localization; Fingerprinting-based systems; Wi-Fi technology; Machine learning; CEnsLoc methodology; Principal component analysis