Los clasificadores de aprendizaje profundo pueden mejorar efectivamente la precisión de la posición en interiores basada en huellas dactilares. Durante la construcción de la base de datos de huellas dactilares, todos los indicadores de fuerza de señal recibidos de cada punto de acceso se combinan sin ninguna distinción. Por lo tanto, la base de datos se crea y se utiliza para los modelos de aprendizaje profundo. Mientras tanto, la información adicional sobre condiciones específicas puede ayudar a caracterizar las características de los datos para el clasificador de aprendizaje profundo y mejorar la precisión de la posición en interiores. Aquí se propone un esquema de preprocesamiento asistido por información adicional para los clasificadores de aprendizaje profundo en un entorno dinámico, donde se construyen varios grupos de bases de datos diferentes para entrenar múltiples clasificadores. Por lo tanto, se pueden emplear bases de datos apropiadas para mejorar efectivamente las precisiones de posicionamiento. Específicamente, se consideran dos tipos de información adicional, a saber, tiempo (mañana/tarde) y dirección (adelante/atrás), al recopilar el indicador de fuerza de señal recibida. Se realizan simulaciones y experimentos con el clasificador de aprendizaje profundo entrenado en cuatro bases de datos diferentes. Además, estos se comparan con resultados convencionales de la base de datos combinada. Los resultados muestran que el esquema de preprocesamiento asistido por información adicional permite una mayor probabilidad de éxito que el método convencional. Con dos márgenes, el esquema propuesto tiene un rendimiento mejorado del 6.55% y 5.8% para simulaciones y experimentos en comparación con el esquema convencional. Además, el esquema propuesto, con el tiempo como información adicional, obtiene una mayor probabilidad de éxito cuando el requisito de precisión de posicionamiento es laxo con un margen más grande. Con la dirección como información adicional, el esquema propuesto muestra un mejor rendimiento para requisitos de alta precisión de posicionamiento. Por lo tanto, la información adicional como el tiempo o la dirección es ventajosa para el preprocesamiento de datos en clasificadores de aprendizaje profundo para la posición en interiores basada en huellas dactilares.