Performance, Robustness, and Failure Analysis of Machine-Learning-Based Wi-Fi RSSI Indoor Positioning in Multi-Floor Environments
Dieses Paper schlägt ein zuverlässigkeitsbewusstes Hybrid-Framework vor, das tripletbasiertes Metrisches Lernen mit bayesscher gewichteter k-Nächste-Nachbarn-Inferenz integriert, um die Robustheit und Ausfallresistenz von Multi-Floor-Wi-Fi-RSSI-Indoor-Positionierungssystemen signifikant zu verbessern, wobei durch eine umfassende Evaluierung nachgewiesen wird, dass ein solcher Ansatz im Vergleich zu traditionellen, auf Genauigkeit fokussierten Methoden katastrophale Lokalisierungsfehler und Etagenfehlklassifizierungen effektiv reduziert.