基于环境射频信号网络嵌入的半监督学习地理围栏服务
网络与互联网体系结构
2023-03-10 v2
摘要
在老人照护、痴呆防走失以及疫情管控等应用中,为确保人们的安全与福祉,使其处于预定义区域内十分重要。我们提出 GEM,一种实用的、基于环境射频(RF)信号且带网络嵌入(EMbedding)的半监督地理围栏(Geofencing)系统。GEM 将测得的 RF 信号记录建模为加权二部图。以接入点为一侧、信号记录为另一侧,它能够精确捕捉信号记录之间的关系。GEM 随后通过一种称为 BiSAGE 的新型二部网络嵌入算法从图中学习节点嵌入,该算法基于二部图神经网络,采用新颖的双层 SAmple 与 aggreGatE 机制以及非均匀邻域采样。利用学习到的嵌入,GEM 最终通过一种增强的基于直方图的算法构建单类分类模型用于内外检测,即检测用户是否在区域内。该模型还随新收集的信号记录不断改进。我们在多种环境中的大量实验表明,GEM 展现出 SOTA 性能,F-score 最高提升 34%。与不含 BiSAGE 的版本相比,GEM 中的 BiSAGE 带来 54% 的 F-score 提升。
引用
@article{arxiv.2210.07889,
title = {Semi-supervised Learning with Network Embedding on Ambient RF Signals for Geofencing Services},
author = {Weipeng Zhuo and Ka Ho Chiu and Jierun Chen and Jiajie Tan and Edmund Sumpena and S. -H. Gary Chan and Sangtae Ha and Chul-Ho Lee},
journal= {arXiv preprint arXiv:2210.07889},
year = {2023}
}
备注
A conference version of this paper will appear in IEEE ICDE 2023