Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

CLUSTERING THE MOBILE PHONE POSITIONS BASED ON SUFFIX TREE AND SELF-ORGANIZING MAPS

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F12%3A86084586" target="_blank" >RIV/61989100:27240/12:86084586 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    CLUSTERING THE MOBILE PHONE POSITIONS BASED ON SUFFIX TREE AND SELF-ORGANIZING MAPS

  • Popis výsledku v původním jazyce

    In this article we present a novel method for mobile phone positioning using a vector space model, suffix trees and an information retrieval approach. The algorithm is based on a database of previous measurements which are used as an index which looks for the nearest neighbor toward the query measurement. The accuracy of the algorithm is, in most cases, good enough to accomplish the E9-1-1 standards requirements on tested data. In addition, we are trying to look at the clusters of patterns that we havecreated from measured data and we have reflected them to the map. We use Self-Organizing Maps for these purposes.

  • Název v anglickém jazyce

    CLUSTERING THE MOBILE PHONE POSITIONS BASED ON SUFFIX TREE AND SELF-ORGANIZING MAPS

  • Popis výsledku anglicky

    In this article we present a novel method for mobile phone positioning using a vector space model, suffix trees and an information retrieval approach. The algorithm is based on a database of previous measurements which are used as an index which looks for the nearest neighbor toward the query measurement. The accuracy of the algorithm is, in most cases, good enough to accomplish the E9-1-1 standards requirements on tested data. In addition, we are trying to look at the clusters of patterns that we havecreated from measured data and we have reflected them to the map. We use Self-Organizing Maps for these purposes.

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2012

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Neural Network World

  • ISSN

    1210-0552

  • e-ISSN

  • Svazek periodika

    22

  • Číslo periodika v rámci svazku

    4

  • Stát vydavatele periodika

    CZ - Česká republika

  • Počet stran výsledku

    16

  • Strana od-do

    371-386

  • Kód UT WoS článku

    000309320500005

  • EID výsledku v databázi Scopus