Please use this identifier to cite or link to this item: https://app.uff.br/riuff/handle/1/7024
Title: Aplicação de técnicas de aprendizado de máquina em sistemas de localização indoors
Authors: Souza, Raphael Gonçalves Bittencourt de
Coelho, Igor da Silva
metadata.dc.contributor.advisor: Viterbo Filho, José
metadata.dc.contributor.members: Bernardini, Flavia Cristina
Monteiro, Rodrigo Salvador
Issue Date: 2017
Citation: COELHO, Igor da Silva; SOUZA, Raphael Gonçalves Bittencourt de. Aplicação de técnicas de aprendizado de máquina em sistemas de localização indoors. 2017. 67f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Instituto de Computação, Universidade Federal Fluminense, Niterói, 2016.
Abstract: Os 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.
metadata.dc.description.abstractother: Indoor 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.
URI: https://app.uff.br/riuff/handle/1/7024
Appears in Collections:BSI - Trabalhos de Conclusão de Curso

Files in This Item:
File Description SizeFormat 
Monografia_final2.pdfTCC alunos 113083017 e 1130830422.6 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.