Standort von WiFi Daten

Question

Wir versuchen zu bestimmen, in welchem ​​Raum eine Person basierend auf WiFi-Daten ist. Hier ist ein Beispiel der Daten:

1.SSID: Wireless, BSSID: 00: 24: 6c: 61: da: 81, Funktionen: [ESS], Level: -54, Frequenz: 2437
2.SSID : Funk, BSSID: 00: 24: 6c: 61: da: c1, Fähigkeiten: [ESS], Stufe: -57, Frequenz: 2462
3.SSID: Besucher, BSSID: 00: 24: 6c: 61: da : c0, Fähigkeiten: [ESS], Stufe: -58, Frequenz: 2462
4.SSID: Besucher, BSSID: 00: 24: 6c: 61: cb: 40, Fähigkeiten: [ESS], Stufe: -59, Frequenz: 2437
5.SSID: wireless, BSSID: 00: 24: 6c: 61: cb: 41, Funktionen: [ESS], Level: -59, Frequenz: 2437

Dies wird von einem einzigen Scan aufgenommen wird um eins Zeitpunkt (und ich zeige nur 5, aber es gibt 60 Zugangspunkte, die nah genug sind, die bei einem einzigen Scan auftauchen). Hier ist unser Problem:

Es gibt 3 Zimmer, Zimmer A, Zimmer B und Zimmer C, sie sind alle nebeneinander, außer Zimmer B ist zwischen Zimmer A und Zimmer C. Es gibt ein paar APs, die sind Es gibt keine eindeutigen APs in Raum B.

Wir haben versucht, eine SVM mit mehreren Klassen zu verwenden, wobei die Klassen Raum A, Raum B und Raum C und die Datenpunkte sind (Zum Beispiel) 1, 2, 3, 4 und 5 oben (also in den obigen Daten gibt es 5 Datenpunkte und jeder Datenpunkt hat die Bezeichnung Raum A). Wir trainierten das Modell mit ungefähr 100 Scans in jedem Raum (jeder Scan bestand aus ungefähr ~ 50 Datenpunkten). Dies ergab eine extrem niedrige Genauigkeit bei neuen Testdaten.

Gibt es noch jemanden, der dies erfolgreich getan hat oder irgendwelche Empfehlungen hat? Dies ist, was wir nutzten unsere SVM implementieren:

http://scikit-learn.org/stable/modules/svm.html

Dank!

Answer 1

Dies ist eine clevere Idee, aber ich denke, Sie kommen vielleicht in Schwierigkeiten, wenn Sie hier auf Präzision und Genauigkeit achten, da es NICHT NUR ABSTAND von einem Access Point ist, sondern tatsächlich eine MULTITUDE von Faktoren, die die Signalstärke bestimmen. Zum Beispiel könnte die Position im Raum im Vergleich zu einem großen Bücherregal oder einem Fernseher eines der Signale stärker beeinflussen als die anderen. Selbst die Position Ihres Körpers in Bezug auf das Gerät kann das Signal stören.

Ich schlage vor, versuchen Sie einige feature selection techniques und/oder einige andere Lernalgorithmen, die besser in welche Dimensionen in Ihren Daten geben Ihnen konsistente Informationen geben können. Zum Beispiel kann einfache statistische Analyse Ihnen die mittlere und Standardabweichung der Signalstärke jedes Signals von innerhalb einer gegebenen "Position" mitteilen. Dann können Sie die Statistiken der Standorte vergleichen und sehen, ob Sie statistisch signifikante Unterschiede in einem dieser Signale über Standorte hinweg haben. Sie können die folgenden Tests berücksichtigen wollen:

• ANOVA (ANalysis Of VAriance) Mittel über viele Standorte vergleichen könnte
• T-test wie ANOVA ist aber nur für Paare von Standorten zu vergleichen

Answer 2

Ich vermute, dass es eine Menge von Details, um in der Feature-Extrahierung und der Hyper-Parameter-Optimierung (mithilfe der Grid-Suche) richtig zu kommen. Bearbeiten Sie Ihre Frage so, dass sie das Skript enthält, damit Sie diese Details richtig finden können.