علی اکبر عطار - دانشجوی دکتری کامپیوتر- هوش مصنوعی، دانشگاه آزاد اسلامی، واحد گرگان، گرگان، ایران
فاطمه قره داغی قهرمانی - دانشجوی دکتری کامپیوتر- هوش مصنوعی، دانشگاه آزاد اسلامی، واحد گرگان، گرگان، ایران

در سال های اخیر فناوری اطلاعات و ارتباطات به سرعت توسعه یافته است و در نتیجه آن سرویس های خدماتی متعددی پدیدار شده اند. از جمله در محیط داخلی سیستم های رهگیری با تجزیه و تحلیل متنوع تر داده های مکانی منجر به نتایج بهتر در سرویس های امنیتی و تجاری شده اند. متاسفانه داده های اندازه گیری شده در محیط داخلی به اندازه کافی دقیق نیست؛ زیرا محیط داخلی بسیار بیشتر آلوده به نویز است. در تحقیق پیش رو یک رویکرد جدید به منظور تخمین مکان در محیط داخلی که می تواند به طور تطبیقی پردازشی مناسب را توسط داده های پایگاه داده اثر انگشت با توجه به سیگنال های جمع آوری شده اتخاذ کند، پیشنهاد شده است. رویکرد پیشنهادی توسط الگوریتم K- نزدیک ترین همسایه یک ناحیه حضور گره هدف توسط مقایسه سیگنال های دریافتی با پایگاه داده اثر انگشت تعیین می کند که این امر منجر به افزایش دقت تخمین مکان توسط شبکه عصبی عمیق می شود. شبکه عصبی عمیق اطلاعات ناحیه تعیین شده و سیگنال های دریافتی توسط گره هدف را که آلوده به نویز هستند در لایه های مخفی خود مورد پردازش قرار می دهد و منجر می شود رویکرد تخمین مکان به طور تطبیقی و با دقت مطلوب در محیط به موقعیت یابی بپردازد. نتایج معیارهای ارزیابی نشان دهنده صحت رویکرد پیشنهادی است.

الگوریتم K- نزدیک ترین همسایه، روش اثر انگشت، شبکه عصبی عمیق، محیط داخلی