DataLoc+：一种用于房间级室内定位中机器学习的的数据增强技术

过去二十年来，室内定位一直是一个热门研究领域。自其出现以来，便持续利用新兴技术以提升精度，而机器学习始终是其中的核心。机器学习已越来越多地用于基于指纹的室内定位，以替换或仿真用于在给定位置签名时预测位置的无线电地图。机器学习模型的预测质量主要取决于模型的训练优劣，而这依赖于所用训练数据的数量与质量。数据增强已通过合成生成更多训练数据来提升训练模型的质量，文献中使用了若干从不同角度解决训练数据匮乏问题的方法。在本文中，我们提出 DataLoc+，一种用于房间级室内定位的数据增强技术，其以简单算法结合了不同方法。我们通过将其与典型直接快照方法在一家医院实地实验所采集数据上的比较来评估该技术。我们的评估显示，使用所提技术训练的模型达到了更高精度。我们还表明该技术在维持高精度的同时可适应使用有限数据集的更大规模问题。