Dimension reduction in radio maps based on the supervised kernel principal component analysis
Dimension reduction in radio maps based on the supervised kernel principal component analysis
复制标题
基于监督核主成分分析的无线电地图降维
DOI：
10.1007/s00500-018-3228-4
复制
发表时间：
2018-05
期刊：
影响因子：
4.1
通讯作者：
Gao Hepeng
中科院分区：
文献类型：
--
作者：
Jia Bing;Huang Baoqi;Li Wuyungerile;Gao Hepeng
与大多数现有研究不同的是，要么直接消除不重要的冗余WiFi AP，要么采用无监督的降维方法，例如主成分分析（PCA），本文采用监督方法来充分利用可用于构建无线电地图的信息，即附加到指纹的位置标签，来压缩原始无线电地图。具体来说，在离线阶段，采用监督核PCA（SKPCA）方法在低维子空间中导出非线性最优嵌入；在在线阶段，任何包含接收信号强度的样本向量都可以实时投影到最优子空间上，以进行进一步的定位处理。实验不仅在真实环境中进行，而且还使用开放数据集。结果表明，基于 SKPCA 的压缩无线电地图的尺寸比原始无线电地图小得多，但实现了相似的定位性能，并且显着优于其他两种流行的基于 PCA 的无监督降维方法，即 PCA 和 PCA-MLE。
Differently from most existing studies either directly eliminating redundant WiFi APs with trivial importance or adopting unsupervised dimension reduction methods, e.g. principal component analysis (PCA), this paper employs a supervised approach to take the full advantage of the information available for building radio maps, i.e. location labels attached to fingerprints, to compress original radio maps. Specifically, in the offline phase, the supervised kernel PCA (SKPCA) method is employed to derive a nonlinear and optimal embedding in a low-dimensional subspace; in the online phase, any sample vector containing received signal strengths can be projected onto the optimal subspace in real-time for further localization processing. Experiments are carried out not only in a real environment but also using an open dataset. It is shown that the compressed radio maps based on SKPCA have much smaller sizes than their original radio maps, but achieve similar localization performance and significantly outperform the other two popular PCA- based unsupervised dimension reduction methods, i.e. PCA and PCA-MLE.
登录
查看更多内容
DOI：
10.26636/jtit.2015.2.782
发表时间：
2015-06
影响因子：
--
作者：
K. Slot;Krzysztof Adamiak;P. Duch;Dominik Żurek
通讯作者：
K. Slot;Krzysztof Adamiak;P. Duch;Dominik Żurek
DOI：
10.1016/j.engappai.2017.07.004
发表时间：
2017-10-01
影响因子：
8
作者：
Sharifzadeh, Sara;Ghodsi, Ali;Ersboll, Bjarne K.
通讯作者：
Ersboll, Bjarne K.
基于 TDOA 的具有距离相关噪声的源定位
影响因子：
10.4
作者：
Huang, Baoqi;Xie, Lihua;Yang, Zai
通讯作者：
Yang, Zai
DOI：
10.1201/b10345-5
发表时间：
2010-11
期刊：
Encyclopedia of Autism Spectrum Disorders
影响因子：
--
作者：
Kim-Anh Lê Cao;Z. Welham
通讯作者：
Kim-Anh Lê Cao;Z. Welham
云网络中符合社会规范的协作计算
影响因子：
3.8
作者：
Tao Li;Brij Bhooshan Gupta;Roberto Metere
通讯作者：
Roberto Metere