Navegación

Búsqueda

Búsqueda avanzada

El autor Manuel Ocaña ha publicado 2 artículo(s):

1 - Análisis inteligente de flujos de trabajo sociales

Los flujos de trabajo sociales (SOW) coordinan las actividades realizadas por un conjunto de usuarios que bien de forma individual o en cooperación tratan de alcanzar un determinado objetivo. Los SOW son flujos no estructurados en los que participan un gran número de usuarios que llevan a cabo actividades de muy diversa naturaleza que se extienden a lo largo del tiempo y que típicamente consumen pocos recursos de computación. Un ejemplo de procesos que se modelan a través de este tipo de flujos de trabajo son las campañas de marketing que tienen como objetivo motivar a los potenciales clientes en el consumo de un determinado producto o servicio. En este trabajo, se presenta el proyecto Inteligencia (Artificial) de Negocio para Flujos de Trabajo Sociales, en el que se combinan técnicas de minería de procesos, estrategias de paralelización de algoritmos, y técnicas de localización y seguimiento de usuarios, con el fin de extraer información relevante sobre SOW, como los que modelan, entre otros, el comportamiento de los usuarios en campañas de marketing desarrolladas en escenarios abiertos.

Autores: Manuel Lama / Pedro Álvarez / Manuel Ocaña / Manuel Mucientes / Joaquín Ezpeleta / Miguel Ángel Garrido / Alberto Bugarín / 
Palabras Clave:

2 - Continuous Space Estimation: Increasing WiFi-Based Indoor Localization Resolution without Increasing the Site-Survery Effort (Summary)

This work is part of the BAI4SOW («Inteligencia (Artificial) de Negocio para Flujos de Trabajo Sociales”) project, previously introduced in JCIS 2016, that deals with the study of the social workflows of consumers inside an open mall.

One key objective inside our sub-project is to localize and track the consumers by means of using the on board phone sensors (GPS in outdoors and WiFi, combined with other sensors, in indoors). This user localization represents the base of the activity recognition system that feeds the database. Using this
user positioning database and applying data mining processes the most frequent patterns of activity will be detected.

The objective of our proposal was to improve the resolution of fingerprint-based indoor WiFi localization systems without increasing the site survey effort. This way, WiFi indoor localization systems could be used to locate users in large environments (such as malls) reducing the effort of constructing the WiFi database. To do so, we proposed an approach, based on Support Vector Regression, to estimate the received signal strength at non-site-surveyed positions of
the environment. Experiments, performed in a real environment, showed that the number and distribution of the positions needed to train the system can be
reduced to almost half without significantly increasing the mean distance error.

Autores: Noelia Hernández / Manuel Ocaña / Jose M. Alonso / Euntai Kim / 
Palabras Clave: