Performance, Robustness, and Failure Analysis of Machine-Learning-Based Wi-Fi RSSI Indoor Positioning in Multi-Floor Environments
Dit artikel stelt een betrouwbaarheidsbewust hybride framework voor dat triplet-gebaseerd metriek leren integreert met Bayesiaanse gewogen k-nearest neighbor inferentie om de robuustheid en faalbestendigheid van multi-verdieping Wi-Fi RSSI binnenhuispositioneringssystemen aanzienlijk te verbeteren, waarbij door middel van een uitgebreide evaluatie wordt aangetoond dat een dergelijke aanpak catastrofale lokalisatiefouten en verdiepingsmisclassificaties effectief vermindert in vergelijking met traditionele nauwkeurigheidscentrische methoden.