基于深度注意力的顺序集成学习：面向护理机构的BLE indoor定位
机器学习
2026-03-24 v1 人机交互
摘要
护理机构的indoor定位系统可用于优化人员配置、工作负载管理和护理质量。传统的基于蓝牙低能耗（BLE）的定位方法将每个时序测量值视为独立观察，从根本上限制了其性能。为解决此限制，本文引入Deep Attention-based Sequential Ensemble Learning（DASEL），将indoor定位重新概念化为顺序学习问题。该框架集成了基于频率的特征工程、双向GRU网络搭配注意力机制、多方向滑动窗口以及置信度加权时序平滑，以捕获人类运动轨迹。使用护理机构的真实数据进行4折时序交叉验证评估，DASEL 实现了0.4438的宏F1分数，相较于最佳传统基线（0.2898）提升了53.1%。
引用
@article{arxiv.2603.21030,
title = {Deep Attention-based Sequential Ensemble Learning for BLE-Based Indoor Localization in Care Facilities},
author = {Minh Triet Pham and Quynh Chi Dang and Le Nhat Tan},
journal= {arXiv preprint arXiv:2603.21030},
year = {2026}
}
备注
8 pages, 9 figures, IEEE format. Best Challenge Paper Award at the ABC 2026 Activity and Location Recognition Challenge (ABC 2026)