[ΥΠΟ ΕΚΠΟΝΗΣΗ]

Επιβλέπων:

Πάνος Φιλιππόπουλος, Επίκουρος Καθηγητής

Συνεπιβλέπων:

Ηλίας Νικόλαρος, Ε.ΔΙ.Π.

Περιγραφή:

Η πτυχιακή εργασία βασίζεται στην βιβλιογρασφική επισκόπηση και συγκριτική αξιολόγηση αλγορίθμων Μηχανικής Μάθησης (ενδεικτικά αναφέρονται Knn, C4.5 / RF, SVM, NaiveBayes / Bayesnet, Neural / Perceptron, κ.ο.κ.) με εστίαση στην πρόβλεψη της θέσης ενός κινούμενου χρήστη σε διαφορετικά περιβάλλοντα και με διαφορετικές τοπολογίες ανίχνευσης (π.χ. Device / Mobile Node Based Localization, Reference-Node / Monitor Based Localization, Proximity Based Detection, Inertial Measurement Unit – IMU / Pedestrian Dead Reckoning – PDR). Περιλαμβάνει τα εξής παραδοτέα: 1 – Βιβλιογραφική επισκόπηση και κατηγοριοποίηση αλγορίθμων Machine Learning. 2 – Αξιολόγηση συγκριτική των αλγορίθμων ως προς τις δυνατότητες υποστήριξης κινητών χρηστών και διαφορετικών τοπολογιών ανίχνευσης της κίνησής τους.