Smartphones are leading among the fastest-growing technologies. With their numerousfeatures, smartphones are the best assistants to users in their lives on severalcounts. However, a smartphone still requires an extensive conguration to assist everyuser eciently and eectively. In this thesis, we are motivated to develop a systemthat makes a smartphone self-congure automatically depending on its place. Thishas been well established for outdoor environments with contributions of GPS (GlobalPositioning System). However, GPS does not provide accurate data in indoor environments.Hence, in this thesis, we aim to determine the exact place of a smartphonein a room by exploiting on-device sensors and Wi-Fi services. The key point of ourstudy is that it entirely works on the smartphone. In accordance with our motivation,sensors data and Wi-Fi RSSI values were collected from xed places via Data CollectionApplication which we developed on an Android smartphone. A fusion ngerprintdatabase was created. Five supervised machine learning algorithms were evaluatedon the ngerprint database in terms of classication accuracy and process time. Thebest performance was obtained from Decision Tree Classier with 98% accuracy rateon 20% of training samples. Predictive power of used features were studied to specifywhich sensors are more meaningful for distinguishing indoor places from each other.Depending on model evaluation results, a Data Classication Application was developedon the same Android smartphone to generate a dedicated decision tree for eachdierent room. Tests were carried out in three dierent rooms to show that more than80% accuracy was achieved in nding the correct place in each room.

Akıllı telefonlar en hızlı gelişen teknolojilerin başında geliyor. Sayısız özellikleriyle, akıllı telefonlar insanların pek çok konuda en büyük yardımcısıdır. Öte yandan, insanlara daha etkin ve verimli bir şekilde destek sunabilmeleri için yapılandırılmaları gerekiyor. Bu çalışmayı yapmamız için bizi teşvik eden, bulundukları konumlara göre akıllı telefonların otomatik olarak yapılandığı sistemdir. Bu özellik, Küresel Konumlandırma Sistemi'nin (KKS) katkılarıyla dış mekanlarda mümkündür. Fakat KKS verilerinin iç mekanlarda yeterli doğruluk sağlayamamasından dolayı, bu tezde, cihazın kendi sensörleri ve Wi-Fi kullanılarak akıllı telefonun bir oda içerisindeki yerinin tam olarak belirlenmesi amaçlanmıştır. Çalışmamızın kilit noktası, tamamen akıllı telefon üzerinden çalışılıyor olmasıdır. Motivasyonumuza uygun olarak iç mekanda belirli yerlerden, sensör verileri ile Wi-Fi sinyal verileri, bir Android akıllı telefonda geliştirdiğimiz Veri Toplama Uygulaması kullanılarak toplandı. Bu uygulama ile bir tümleşik veri tabanı yaratıldı. Beş farklı denetimli makine öğrenme algoritması oluşturulan veri tabanına uygulanarak doğruluk ve işlem süresi kriterlerine göre değerlendirildi. Öğrenme setinin %20'sinde %98 doğruluk sağlayan Karar Ağacı Sınıflandırıcısı en başarılı sınıflandırıcı olduğu belirlendi. Kullanılan sensör verilerinin hangisinin konumları birbirinden ayırmakta daha anlamlı olduğunu bulmak için, özelliklerin tahminleme gücü araştırıldı. Model değerlendirme sonuçları baz alınarak, her odaya özgü karar ağacı oluşturmak amacıyla yine aynı Android akıllı telefon üzerinde Veri Sınıflandırma uygulaması geliştirildi. Üç farklı odada gerçekleştirlen testlerde, her bir odadaki doğru noktayı saptama başarısının yüzde 80'den fazla olduğu görüldü.