$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

XGboost 기반의 WiFi 신호를 이용한 실내 측위 기법
Indoor positioning method using WiFi signal based on XGboost 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.26 no.1, 2022년, pp.70 - 75  

황치곤 (Dept. of Computer Engineering, IIT, Kwangwoon University) ,  윤창표 (Dept. Of Computer & Mobile Convergence, GyeongGi University of Science and Technology) ,  김대진 (Institute for Image & Cultural Contents, Dongguk University)

초록
AI-Helper 아이콘AI-Helper

위치를 정확하게 측정하는 것은 다양한 서비스를 제공하는 데 필요하다. 실내 측위를 위한 데이터는 스마트 폰의 앱을 통해 WiFi 장치로부터 RSSI 값을 측정한다. 이렇게 측정된 데이터는 기계학습의 원시 데이터가 된다. 특징 데이터는 측정된 RSSI 값이고, 레이블은 측정한 위치에 대한 공간의 이름으로 한다. 이를 위한 기계학습 기법은 분류에 효율적인 기법을 적용하여 WiFi 신호만으로 정확한 위치를 예측하는 기법을 연구하고자 한다. 앙상블은 하나의 모델보다 다양한 모델을 통하여 더 정확한 예측값을 구하는 기법으로, bagging과 boosting이 있다. 이 중 Boosting은 샘플링한 데이터를 바탕으로 모델링한 결과를 통해 모델의 가중치를 조정하는 기법으로, 다양한 알고리즘이 있다. 본 연구는 위 기법 중 XGboost를 이용하고, 다른 앙상블 기법과 이용한 수행결과를 바탕으로 성능을 평가한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Accurately measuring location is necessary to provide a variety of services. The data for indoor positioning measures the RSSI values from the WiFi device through an application of a smartphone. The measured data becomes the raw data of machine learning. The feature data is the measured RSSI value, ...

주제어

#실내 측위  

표/그림 (7)

참고문헌 (12)

  1. K. Konstantinos and T. Orphanoudakis, "Bluetooth beacon based accurate indoor positioning using machine learning," in 2019 4th South-East Europe Design Automation, Computer Engineering, Computer Networks and Social Media Conference, pp. 1-6, Sep. 2019. 

  2. D. J. Kim, C. G. Hwang, and C. P. Yoon, "Learning data preprocessing technique for improving indoor positioning performance based on machine learning," Journal of the Korea Institute of Information and Communication Engineering, vol. 24, no. 11, pp. 1528-1533, Nov. 2020. 

    원문보기 상세보기 crossref

  3. C. G. Hwang, C. P. Yoon, and D. J. Kim, "Indoor positioning system using Xgboosting," Proceedings of the Korean Institute of Information and Commucation Sciences Conference, vol. 45, pp. 492-494, 2021 

  4. S. Gonzalez, S. Garcia, J. Del Ser, L. Rokach, and F. Herrera, "A practical tutorial on bagging and boosting based ensembles for machine learning: Algorithms, software tools, performance study, practical perspectives and opportunities," Information Fusion, vol. 64, pp. 205-237, Dec. 2020. 

    상세보기 crossref

  5. S. H. Oh and J. G. Kim, "WiFi Positioning Based on PSO in 3GPP Indoor Environments," The Journal of Korean Institute of Communications and Information Sciences, vol. 46, no. 9, pp. 1440-1448, Sep. 2021. 

    상세보기 crossref

  6. D. B. Ninh J. He, V. T. Trung, and D. P.Huy, "An effective random statistical methodfor indoor positioning system using WiFi fingerprinting," Future Generation Comput. Syst., vol. 109, pp. 238-248, Aug. 2020. 

    상세보기 crossref

  7. H. G. Shin, Y. H. Choi, and C. P. Yoon, "Movement Path Data Generation from Wi-Fi Fingerprints for Recurrent Neural Networks," Sensors, vol. 21, no. 8, pp. 2823, Apr. 2021. 

    상세보기 crossref

  8. S. Lee, J. Kim, and N. Moon, "Random forest and WiFi fingerprint-based indoor location recognition system using smartwatch," Human-centric Computing and Information Sciences, vol. 9, no. 1, pp. 6, Feb. 2019. 

    상세보기 crossref

  9. L. Breiman, "Random forests." Machine learning, vol. 45, no. 1, pp. 5-32. Oct. 2001. 

    crossref

  10. T. Chen and C. Guestrin, "Xgboost: A scalable tree boosting system," in Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data mining, pp. 785-794. 2016. 

  11. H. Mo, H. Sun, J. Liu, and S Wei, "Developing window behavior models for residential buildings using XGBoost algorithm," Energy and Buildings, vol. 205, no. 15, pp. 109564, Dec. 2019. 

    상세보기 crossref

  12. K. K. Yun, S. W. Yoon, and D. Won, "Prediction of stock price direction using a hybrid GA-XGBoost algorithm with a three-stage feature engineering proces," Expert Systems with Applications, vol. 186, pp. 115716, Dec. 2021. 

    상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로