WLAN fingerprint-based positioning system is a viable solution for estimating the location of the mobile station. Many researchers have applied various machine learning techniques to the WLAN fingerprint-based positioning system to make a more accurate system. However, due to the noisy characteristics of the RF signal and lack of the study on environmental factors affecting propagation of the signals, the accuracy of previously suggested systems was highly dependent on environmental conditions. In this paper, we develop multi-classifier for WLAN fingerprint-based positioning system with a combining rule. According to the experiments of the multi-classifier performed in various environments, combining a multiple number of classifiers turned out to mitigate the environment-dependent characteristic of the classifiers. The performance of multi-classifier outperformed other single classifiers in all test environments; the average error distance and standard deviation of the error distance were improved by multi-classifier in all test environments.
WLAN 신호정보를 사용한 위치 판정 방법론은 스마트 폰과 같은 모바일 기기의 위치를 추정하기에 적합하다. 보다 높은 위치 판정 정확도를 얻기 위해서 많은 연구들에서 다양한 머신러닝 기법을 적용하고 있다. 하지만 RF 신호의 불확정적인 특성들과 신호에 영향을 미치는 환경적인 변수들에 대한 연구가 부족한 까닭에 현재까지 제안된 위치 추정 방법론들의 성능은 실험이 진행된 환경에 의존적이다. 이 학위논문에서 본인은 WLAN 핑거프린트 기반 방법론을 위한 다중 분류기를 제안한다. 본 논문에서 실시한 실험에 따르면 제안된 방법론은 실험이 진행된 모든 환경에서 다른 개별 분류기들보다 높은 위치 판정 정확도를 나타내었다. 이러한 실험결과는 본 논문에서 제안한 다중 분류기가 모든 환경에서 동일하게 뛰어난 성능을 나타낼 수 있음을 나타낸다. 본 논문에서는 또한, 기존의 논문들에서 노트북을 사용자의 모바일 기기 가정한 것과는 달리 실제 모바일 기기를 사용하여 실험을 진행하였다. 실험을 통하여 서로 다른 모바일 기기 사용해서 얻어진 데이터들을 위치 판정 사용할 경우, 위치 판정 정확도가 낮아질 수 있음이 밝혀졌다. 보다 효율적인 다중 분류기의 개발을 통하여 다양한 환경과 상황에서도 우수한 위치 판정 정확도를 나타내는 위치 판정 방법론이 개발되기를 희망한다.
