# 汶峻逐字稿(廷瑋)

## 吳汶峻(廷瑋紀錄)

李忠憲 : Related work盡量不要IEEE Access，名聲不好
李忠憲 : beacon數量對Error的影響大家都知道，不用講
蔡 : 在2 beacon跟3 beacon的趨勢好像都一樣，如果沒有不一樣的地方可以帶過
李 : 是不是beacon數越少tightly couple會比較好 ?
A : beacon 少的話會需要整合多支手機的資訊一起做定位
蘇 : 沒有得出beacon數與T/L關係的結論，可能要補。
李忠憲 : 我肯定你做了很多事情，beacon是用樹梅派做的，跟實際還是有點距離，有沒有跟其他方法做比較？
A : 有跟單支手機做比較
李忠憲 : 現在的實驗環境是不是對你的演算法比較有利？
李忠憲 : 兩支手機目前只有好處，有沒有壞處？是不是裝置越多越好，有沒有條件？
李忠憲 : 論文的圖非常多，需要更深入的探討，大部分結論都蠻直觀的，可以討論一下不要每張都放。
李 : 你選擇KNN & PF的原因？
A : 要分配2支手機的比重所以選KNN
李 : 同類型的演算法很多，為何要選這2種方法？如果寫論文的話要講清楚選這個方法的理由。
李 : 放很多圖，但資訊少，不要全部實驗結果都丟進去，整理一下結果，有很多圖都蠻像的
李 : 我覺得loosely應該會比較好，為甚麼在你的實驗看不到這結果，T是L的簡化版本，應該不會比較好，看看是有什麼問題？
李 : PF的weight可以不要用uniform，可以用其他方法讓他越來越準
蘇 : 訝異靜止的情況沒有很精準
李 : 演算法沒有設計得很好，沒有發揮它們的極限
李 : 為甚麼不是手機+其他裝置讓情境更加真實，不是related work有multi device的情形嗎
A : 那是同一支手機多個sensor的情形，用雙手機是因為code比較好寫
蔡 : p.34 1.7m是指甚麼
A : 離地面高度
蔡 : p.36 移動頻率那部分容易混淆，可以再清楚一點，底下2組手機怎麼會變成2個人
論文應該要放萃取過有意義的圖
T/L的結果非常接近，9萬多筆資料無法看出優劣，T/L方法也類似
應該使用幾個差異明顯的情況來比較，例如沒有PF的情況，要讓差異大一點
潘 : 多看一點論文，報告沒有清楚，看不到特點
User只有2個，會被挑戰使用者不夠多
做實驗時使用者手機位置對訊號的影響沒有去探討，沒有考慮使用者拿手機的各種情形。
Error量測方法要交代清楚
要考慮跟別人的差異在哪裡，而且不能只是一篇，數據要在好好地整理一下
蘇 : 實驗做很多，抓不到那個點。
潘 : 要把點講出來
蘇 : 花了很多時間在KNN上，PF沒有發揮他的長處，因為PF會長期紀錄，所以應該會越來越準
靜止的情況沒有很精準，往前走的情形也很好猜