Indoor occupancy monitoring using environmental feature fusion and semi-supervised machine learning models

Artículo académico que tiene como objetivo evaluar la efectividad de diferentes técnicas de fusión de características, sensores ambientales y aprendizaje semisupervisado para estimar la ocupación interior en una oficina de 230 m². Utilizando cinco dispositivos del Internet de las Cosas (IoT) que miden la temperatura del aire, la humedad relativa y la presión barométrica, se recopilaron datos durante 99 días, con un promedio de 6,800 registros, de los cuales solo el 14% estaban etiquetados. Se evaluaron ocho métodos de selección de características, junto con tres métodos de clasificación supervisados y dos semisupervisados.