机器算法验证 - 使用机器学习进行 WiFi 定位 - 吾爱随笔录

使用机器学习进行 WiFi 定位

机器算法验证机器学习

2022-03-30 23:25:55

我正在尝试根据 WiFi 测量确定一个人在哪个房间。我目前有 3 个房间的 WiFi 测量值。测量包括从每个房间内不同位置收集的 100 次 WiFi 扫描。每次扫描都会显示在房间内某个位置可见的 WiFi AP 数量。在 100 次扫描中的每一次扫描中看到的 AP 数量是可变的。这是一种这样的扫描：

1.SSID: wireless, BSSID: 00:21:6c:63:cc:dd, ss: -54, frequency: 2437 
2.SSID: visitor, BSSID: 00:24:6c:61:aa:bb, ss: -58, frequency: 2462 
3.SSID: visitor, BSSID: 00:24:6e:6d:ab:ab, ss: -60, frequency: 2437

ss：信号强度

这是从为每个房间收集的 100 次扫描中的一次扫描中获取的。

每次扫描就像房间的一个功能集。我需要以某种方式使用这些数据训练我的系统，以便它能够将测试期间进行的扫描（可能有多个 AP）分类到特定的房间。我可以使用什么监督训练算法？我已经尝试过 SVM，但它们不允许可变功能集。

2个回答

您能否简单地将您在任何阅读中看到的所有 AP 创建一个集合 $AP$ 并为未出现在特定扫描中的 AP 填写 0 强度？所以一个特定的扫描将被记录为 $S_i = {s_1, s_2, s_3, \dots, s_n}$ 其中每个 $s_i$ 是力量 $AP_i$ .

那就是如果有 $n$ 在所有扫描中看到的唯一 AP，每个 $S_i$ 将会 $n$ 条目（ss）很长。这样，您就没有可变长度的功能。

这是一个朴素贝叶斯解决方案的草图。

定义 $X_i$ 作为 $4$ -元组 $(SSID_i, BSSID_i, SS_i, FREQ_i)$ .
表示房间的指标 $j$ 经过 $R_j$ ，为了 $j=1,2,3$ .
使用样本中的频率来指定 $P(X_i\mid R_j)$ 作为次数 $4$ -元组 $X_i$ 在房间里观察到 $R_j$ 除以总数 $4$ - 在房间中观察到的元组 $R_j$ .
给出先验概率 $P(R_j)=1/3$ 到每个房间。
给定一个新观察到的 $4$ -元组 $Y$ , 使用贝叶斯定理计算
$P (R_{j} ∣ Y) = \frac{P (Y ∣ R_{j}) P (R_{j})}{\sum_{k = 1}^{3} P (Y ∣ R_{k}) P (R_{k})} .$ $P(R_j\mid Y) = \frac{P(Y\mid R_j)P(R_j)}{\sum_{k=1}^3 P(Y\mid R_k)P(R_k)} \, .$
做出决定：分类 $Y$ 来自具有最高后验概率的房间。

以此为起点并对其进行完善。一个直接的可能性是引入某种平滑：http ://en.wikipedia.org/wiki/Additive_smoothing

其它你可能感兴趣的问题

上一篇如何在R中输入自定义距离函数？下一篇比较两个大小不等的二进制变量