1. DSpace en ESPOL
2. Unidades Académicas
3. Facultad de Ingeniería en Electricidad y Computación
4. Tesis de Telecomunicaciones

Title:	Localización pasiva de una persona aplicando técnicas de aprendizaje Automático
Authors:	Avilés Castillo, Juan Carlos , Director Troya Sovero, Hari Prema
Keywords:	Máquinas de Soporte Vectorial Aprendizaje automático Localización
Issue Date:	2023
Publisher:	ESPOL
Citation:	Troya Sovero, H. P. (2023). Localización pasiva de una persona aplicando técnicas de aprendizaje Automático. [Proyecto integrador]. ESPOL. FIEC .
Description:	Este proyecto tiene como objetivo desarrollar un sistema de localización en interiores para personas sin la necesidad de dispositivos portátiles, empleando Máquinas de Soporte Vectorial (SVM) como modelo de aprendizaje automático. La hipótesis central es que el uso de SVM puede ofrecer una alternativa apropiada de localización en entornos interiores sin la necesidad de dispositivos personales. El proyecto se justifica por la creciente demanda de aplicaciones de seguridad y asistencia en entornos cerrados. Para la implementación, se utilizaron cuatro receptores y un emisor BLE (bluetooth Low Energy) para capturar señales de radiofrecuencia en una habitación dividida en 16 pequeñas áreas. Los datos se procesaron y analizaron utilizando MATLAB. Los resultados muestran que el modelo entrenado con el 75% de datos y un 25% para validación alcanzo una exactitud del 73%. Sin embargo, esta exactitud disminuye al 46% en los datos de prueba con un juego de datos completamente independientes de los usados para entrenamiento y validación, lo que indica que, siendo resultados prometedores, todavía se presentan muchas oportunidades futuras para optimizar el modelo y mejorar la precisión. En conclusión, el proyecto demuestra la viabilidad de utilizar SVM para la localización de personas en una habitación sin la necesidad de dispositivos portátiles.
metadata.dc.description.abstractenglish:	This project aims to develop an indoor location system for people without the need for portable devices, using Support Vector Machines (SVM) as a machine learning model. The central hypothesis is that the use of SVM can offer an appropriate localization alternative in indoor environments without the need for personal devices. The project is justified by the growing demand for security and assistance applications in closed environments. For the implementation, four receivers and a BLE (Bluetooth Low Energy) transmitter were used to capture radio frequency signals in a room divided into sixteen small areas. Data were processed and analyzed using MATLAB. The results show that the model trained with 75% of data and 25% for validation achieved an accuracy of 73%. However, this accuracy decreases to 46% on the test data with a data set completely independent of those used for training and validation, indicating that while the results are promising, there are still many opportunities to optimize the model and improve the precision. In conclusion, the project demonstrates the feasibility of using SVM to locate people in a room without the need for portable devices.
URI:	http://www.dspace.espol.edu.ec/handle/123456789/58478
metadata.dc.identifier.codigoproyectointegrador:	INGE-2131
Appears in Collections:	Tesis de Telecomunicaciones

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.