Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 1/47
ICIN SVM – Support Vector Machine
Ø Introduction
Ø Application to Indoor Localization (MLP x LVQ x SVM)
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 2/47
ICIN SVM – Support Vector Machine
Optimality – Maximum margin to the Separating Hyperplane
Linear Separable Classes Non Linear Separable Classes
Features transformation – Linear in the output space!
K(x,y) = <φ(x),φ(y)>
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 3/47
ICIN SVM – Support Vector Machine
Optimality – Maximum margin to the Separating Hyperplane
Linear Separable Classes Classes Optimal hyperplane Distance to the optimal hyperplane
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 4/47
ICIN SVM for non separable patterns
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 5/47
ICIN SVM for pattern recognition – feature space
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 6/47
ICIN Architecture of a SVM
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 7/47
ICIN X-Or using SVM
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 8/47
ICIN SVM ‘Double Moon’ classification
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 9/47
ICIN SVM ‘Double Moon’ classification
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 10/47
ICIN Train the SVM Classifier cl = fitcsvm(data3,theclass,'KernelFunction','rbf',... 'BoxConstraint',Inf,'ClassNames',[-1,1]);
data3 = [data1;data2]; theclass = ones(200,1); theclass(1:100) = -1;
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 11/47
ICIN SVM
Training with the default parameters makes a more nearly circular classification boundary, but one that misclassifies some training data. Also, the default value of BoxConstraint is 1, and, therefore, there are more support vectors.
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 12/47
ICIN SVM
This example shows how to use a custom kernel function, such as the sigmoid kernel, to train SVM classifiers, and adjust custom kernel function parameters.
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 13/47
ICIN SVM
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 14/47
ICIN SVM
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 15/47
ICIN Train and Cross Validate SVM Classifiers
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 16/47
ICIN Train and Cross Validate SVM Classifiers
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 17/47
ICIN Train and Cross Validate SVM Classifiers
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 18/47
ICIN Train and Cross Validate SVM Classifiers
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 19/47
ICIN Train and Cross Validate SVM Classifiers
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 20/47
ICIN Train and Cross Validate SVM Classifiers
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 21/47
ICIN Indoor Localization
- Indoor Localization
- Ambient Intelligence (Occupancy dependent services) - Thermal Load Estimation
Energy Efficiency (mainly Air conditioning)
Credits: Next slides are mainly based on: - Lucas O. Fonseca, 2011, Sistema de Identificação de Usuários utilizando RFID para Racionalização de Energia em Ambientes Inteligentes. - Gabriel Figueiró Oliveir e André Luiz Gama de Souza, 2011, Sistema de Localização para Robótica Móvel com RFID. - Cristovam A. Silva Jr., 2012, Classificação de Ambientes Prediais para usuários utilizanod tags RFID ativas e Filtro de Kalman.
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 22/47
ICIN RFID occupancy identification (GPS indoor) for thermal load estimation
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 23/47
ICIN
RFID occupancy identification for thermal load estimation
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 24/47
ICIN
Interpolated from measured RSSI
RFID occupancy
identification for thermal load
estimation
(Lucas Fonseca, 2011)
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 25/47
ICIN Indoor RFID
Localization
in the Context of Mobile Robotics with Application in Ambient Intelligence
Augmented Reality Localization
(Gabriel Figueiró e André Luiz Gama, 2011)
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 26/47
ICIN
Red – odometry Black – odometry + vision (augmented reality) Green – odometry + vision + ANN RFID RSSI
Indoor Localization
(Gabriel Figueiró e André Luiz Gama, 2011)
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 27/47
ICIN
Identification of users in areas by RFID – RSSI classificators
(Cristovam Silva Jr., 2012)
Thermal Load Influence Areas
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 28/47
ICIN Sistemas de Localização Indoor
RSSI – Received Signal Strength Indicator
n valor adimensional n influenciado pelo efeito de Caminhos Múltiplos
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 29/47
ICIN Sistemas de Localização Indoor
OUTROS SISTEMAS DE LOCALIZAÇÃO
n GPS-Indoor n A-GPS n Repetidores n LOCATA
n UWB – Principio de funcionamento de um radar n WIFI – Localização baseada em RSSI n WSN – Localização baseada em RSSI n Bluetooth – Localização baseada em RSSI
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 30/47
ICIN Classificação
MULTI LAYER PERCEPTRON - MLP
n Reconhecedor de padrões de ampla aplicação; n Sua arquitetura permite atuar em problemas não lineares e
complexos;
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 31/47
ICIN Classificação
LEARNING VECTOR QUANTIZATION - LVQ
n Rede do tipo Mapa Auto Organizável com aprendizagem
supervisionada; n Possui uma camada competitiva e outra linear; n Quantidade de saídas igual a quantidade de classes do
problema;
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 32/47
ICIN Classificação
SUPPORT VECTOR MACHINE - SVM
n Classificador de padrões binários; n Vetores de Suporte definem hiperplano que separa as
classes; n Definição de classe vem da comparação com os vetores de
suporte; n Consegue fazer multiclassificação dividindo o problema em
várias classificações.
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 33/47
ICIN Materiais e Métodos Aplicados
Hardware do Sistema RFID Ativo
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 34/47
ICIN Materiais e Métodos Aplicados
MIDDLEWARE DO SISTEMA RFID
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 35/47
ICIN Materiais e Métodos Aplicados
NEURAL NETWORK TOOLBOX DO MATLAB
n Ferramenta completa para Redes Neurais; n Interfaces gráficas facilitam o acompanhamento dos
processos de treinamento e teste das redes neurais;
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 36/47
ICIN Materiais e Métodos Aplicados
PACOTE DE APLICATIVOS LIBSVM
n Biblioteca de Software Livre; n Aplicativos de treinamento gera conjunto de Vetores de
Suporte; n Permite várias configurações de função de núcleo da SVM
(Linear, RBF, Polinomial, Sigmoides)
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 37/47
ICIN Materiais e Métodos Aplicados
CONFIGURAÇÃO FÍSICA DOS EXPERIMENTOS
Localização das leitoras nos ambientes delimitados
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 38/47
ICIN Materiais e Métodos Aplicados
CONFIGURAÇÃO FÍSICA DOS EXPERIMENTOS
Leitoras instaladas nos ambientes delimitados
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 39/47
ICIN Materiais e Métodos Aplicados
CONFIGURAÇÃO FÍSICA DOS EXPERIMENTOS
Pontos de coleta de dados nos ambientes delimitados
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 40/47
ICIN Materiais e Métodos Aplicados
PROCEDIMENTOS DE LEITURA DOS DADOS
n Tempo de coleta de 30 minutos por ponto; n Usuário portando a Tag como crachá; n Liberdade de movimento em torno do eixo vertical; n Dados armazenados em planilhas eletrônicas;
n Correção manual de erros de registro do middleware.
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 41/47
ICIN
Metodologia Formulação
Método_1 Sem alteração (Dados conforme coleta)
Método_1E Método_1 + Filtragem EKF
Método_2 RSSI nulo = 71
Método_2E Método_2 + Filtragem EKF
Método_3 RSSI nulo = RSSI anterior
Método_3E Método_3 + Filtragem EKF
Pré-Tratamento e Filtragem dos Dados (Como lidar com a ausência de alguma leitura das antenas)
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 42/47
ICIN
n Rotulação das amostras quanto aos ambientes; n Aglutinação das amostras em uma única planilha; n Embaralhamento das amostras; n Separação de amostras para teste e validação;
Arquivos de Treinamento dos Classificadores
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 43/47
ICIN Resultados
Testes em relação à Orientação das Antenas
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 44/47
ICIN Resultados
DESEMPENHO DO TREINAMENTO DAS REDES MLP
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 45/47
ICIN
DESEMPENHO DO TREINAMENTO DAS REDES LVQ
Resultados
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 46/47
ICIN
DESEMPENHO DO TREINAMENTO DAS SVM
Resultados
Laboratório de Automação e Robótica - A. Bauchspiess – Soft Computing - Neural Networks and Fuzzy Logic – SVM 47/47
ICIN
MELHOR DESEMPENHO DENTRE OS CLASSIFICADORES PARA CADA BASE DE DADOS
Resultados