تخمین مکان تطبیقی توسط ترکیب الگوریتم k- نزدیک‌ترین همسایه و شبکه عصبی عمیق بر مبنای روش اثر انگشت در محیط داخلی

– در سال‌های اخیر فناوری اطلاعات و ارتباطات به‌سرعت توسعه‌یافته است و در نتیجه آن سرویس‌های خدماتی متعددی پدیدار شده‌اند. در این راستا برای اکثر کاربران در محیط داخلی، سیستم‌های رهگیری با تجزیه‌وتحلیل متنوع‌تر داده‌های مکانی همراه با نتایج بهتر امنیتی و تجاری است. متاسفانه داده‌های اندازه‌گیری شده در محیط داخلی به‌اندازه کافی دقیق نیست؛ زیرا محیط داخلی بسیار بیشتر آلوده به نویز است. در تحقیق پیش‌رو یک رویکرد جدید به‌منظور تخمین مکان در محیط داخلی که می‌تواند به طور تطبیقی پردازشی مناسب را توسط داده‌های پایگاه داده اثر انگشت با توجه به سیگنال‌های جمع‌آوری شده اتخاذ کند، پیشنهاد شده است. رویکرد پیشنهادی توسط الگوریتم k- نزدیک‌ترین همسایه یک ناحیه حضور گره هدف توسط مقایسه سیگنال‌های دریافتی با پایگاه داده اثر انگشت تعیین می‌کند که این امر منجر به افزایش دقت تخمین مکان توسط شبکه عصبی عمیق می‌شود. شبکه عصبی عمیق اطلاعات ناحیه تعیین شده و سیگنال‌های دریافتی توسط گره هدف را که آلوده به نویز هستند در لایه‌های مخفی خود مورد پردازش قرار می‌دهد و منجر می‌شود رویکرد تخمین مکان به طور تطبیقی و با دقت مطلوب در محیط به موقعیت‌یابی بپردازد. نتایج معیارهای ارزیابی نشان‌دهنده صحت رویکرد پیشنهادی است