問題的答案無所不包論文書籍站
國立臺灣大學 電信工程學研究所 吳瑞北、賴怡吉所指導 林思綺的 具擴展性可處理累積數據的Wi-Fi RSS指紋定位系統 （2018），提出Horus wiki關鍵因素是什麼，來自於室內定位系統、Wi-Fi指紋定位、可伸縮性、可重組性、存取點感知比率、軟體容器。
而第二篇論文國立中央大學 資訊工程學系在職專班 孫敏德所指導 許良宇的 A Dynamic UI Remote Control APP based on Pedestrian Dead Reckoning （2016），提出因為有 遠端控制的重點而找出了 Horus wiki的解答。
具擴展性可處理累積數據的Wi-Fi RSS指紋定位系統
為了解決Horus wiki 的問題，作者林思綺 這樣論述：
因應日益增加之高精確度室內空間定位需求，無論Wi-Fi RSS 指紋定位演算法乃至包括他種信號之各種場景分析定位法等，皆須面對場景資訊量龐大、難以由尋常終端待定裝置之有限計算資源來儲存與解算之挑戰。為克服此一問題，本研究提出一可伸縮、可重組化之空間定位系統，以軟體容器所建構之彈性計算後台為基礎，可因應海量指紋資料累積與待定物多寡之需求，透過網路機動調集的計算資源，而容器化、模組化的系統設計，易於增加多個包括Wi-Fi RSS與異種定位信號之指紋資料庫、多種並存之定位演算法、指紋蒐集與建模、以及具資料視覺化功能之使用者介面等各種容器，皆可透過參數化的方式調控與重組，便於研究者進行定位演算法之開
發、組合與優化。本系統原型主要以Python語言實作，使用Google Kubernetes (k8s) 作為軟體容器控管之主要框架，內建加權K-近鄰法與支援向量機兩種Wi-Fi RSS 指紋定位演算法模組，並已運行於三座具備雙64位元Intel Xeon處理器(共八核心)、64GB主記憶體、6TB存儲空間之Linux伺服器叢集上，可同時定位多個包括樹莓派(Raspberry Pi) 為基礎之待定裝置。基於本系統，本研究驗證了一新穎之W-Fi存取點選擇與過濾機制，以Wi-Fi 存取點之感知比率為篩選基準，有別於傳統以信號強度為篩選標準之做法。於本原型系統在台大明達館一15.7x9.4x2.9
m3測試場域試運轉期間，以系統內建之WKNN演算法在權重W為距離倒數、鄰近K值取5點的條件下，本AP選擇機制於ASR>=0.2時可濾除近78%之所有測得AP總數，大幅提升運算效率，而仍控制定位準度 (90%累積分布下維持3米等級) 之誤差變動不多於1.8%。
A Dynamic UI Remote Control APP based on Pedestrian Dead Reckoning
為了解決Horus wiki 的問題，作者許良宇 這樣論述：
現今每個家庭普遍擁有多個遠端控制器，尋找不同的遙控器變成使用者的負擔。為了解決這個問題，我們提出了智慧遙控系統(a smart remote control system, SRCS)。SRCS的主要概念分為兩個步驟，第一步，SRCS透過行人航位推算(pedestrian dead reckoning, PDR)系統建立行人的位置並且量測目標裝置的座標。第二步，SRCS使用這個資訊決定遠端遙控器是否指向該裝置。如果SRCS發現該裝置，則使用介面以及按鈕隨著目標裝置而調整。為了評估SRCS的可行性，我們在Android智慧手機上建立程式並加以實驗。實驗結果顯示當兩個裝置被隔離超過120公分時，
SRSC可以有效的減少判斷錯誤。