Machine learning-based techniques for indoor localization and human activity recognition through wearable devices

Abstract

This thesis approaches the study of several machine learning techniques to improve the performance of indoor positioning systems, with a special focus on wearable and low-cost devices. It also presents some tools designed to facilitate the research in this field through the development of a software framework for indoor positioning-related research, and the creation of a web platform committed to becoming a collaborative repository of data. The framework has been developed as an open-source package for the R language platform. This allows other users to collaborate in the development of future functionality.

Esta tesis aborda el estudio de una serie de técnicas basadas en el aprendizaje automático (machine learning), con la intención de mejorar el rendimiento de los sistemas de posicionamiento en interiores, haciendo especial hincapié en el uso de dispositivos portátiles de bajo coste. Tambien se presentan dos herramientas destinadas a facilitar la investigación en este campo, mediante el desarrollo de un paquete de software para el estudio en el campo del posicionamiento en interiores, y mediante la creación de una plataforma web pensada para servir como un repositorio colaborativo de datos. El paquete de software ha sido desarrollado como software abierto usando el lenguaje R, con el objeto de permitir a otros usuarios colaborar en el desarrollo de futuras funcionalidades.