[发明专利]数据过滤装置和方法，以及数据处理装置和方法

权利要求书

1.一种数据过滤装置，包括：

近邻集确定单元，其被配置用于确定待处理数据集中满足预定条件的数据子集中的每个数据的近邻集；

计算单元，其被配置用于分别计算所述数据子集中的每个数据的近邻集中包含的数据量；以及

过滤单元，其被配置用于基于所述数据子集中的每个数据的近邻集中包含的数据量，对所述数据子集中的数据进行过滤，以获得过滤后的数据集，其中，所述过滤单元进一步包括：

确定子单元，其被配置用于针对所述数据子集中的每个数据，确定在该数据的近邻集中是否存在这样的极大密度数据：在该数据的近邻集内的所有数据中，所述极大密度数据的近邻集中包含的数据量最多，并且所述极大密度数据的近邻集中包含的数据量多于该数据的近邻集中包含的数据量；以及

过滤子单元，其被配置用于针对所述数据子集中的每个数据，在该数据的近邻集中存在所述极大密度数据、且该数据不是所述数据子集中任一数据的近邻集中的极大密度数据的情况下删除该数据。

2.根据权利要求1所述的数据过滤装置，其中，所述过滤单元包括：

映射子单元，其被配置用于针对所述数据子集中的每个数据，

确定在该数据的近邻集中是否存在这样的极大密度数据：在该数据的近邻集内的所有数据中，所述极大密度数据的近邻集中包含的数据量最多，并且所述极大密度数据的近邻集中包含的数据量多于该数据的近邻集中包含的数据量；以及

基于确定的结果来作出如下映射：若该数据的近邻集中存在极大密度数据，则将该极大密度数据作为该数据的像，否则，将该数据本身作为该数据的像；

以及

获得子单元，其被配置用于将所述数据子集中的每个数据的像组成的集合确定为所述数据子集的过滤结果。

3.根据权利要求1或2所述的数据过滤装置，其中，所述近邻集确定单元包括：

近邻数据确定子单元，其被配置用于将所述数据子集的分布图中的每个数据的预设窗口内的其他数据确定为该数据的近邻数据；以及

近邻集确定子单元，其被配置用于将所述数据子集中的每个数据的所有近邻数据所组成的集合作为该数据的近邻集。

4.一种数据过滤方法，包括：

确定待处理数据集中满足预定条件的数据子集中的每个数据的近邻集；

分别计算所述数据子集中的每个数据的近邻集中包含的数据量；以及基于所述数据子集中的每个数据的近邻集中包含的数据量，对所述数据子集中的数据进行过滤，以获得过滤后的数据集，其中，对所述数据子集中的数据进行过滤进一步包括：

针对所述数据子集中的每个数据，确定在该数据的近邻集中是否存在这样的极大密度数据：在该数据的近邻集内的所有数据中，所述极大密度数据的近邻集中包含的数据量最多，并且所述极大密度数据的近邻集中包含的数据量多于该数据的近邻集中包含的数据量；以及

针对所述数据子集中的每个数据，在该数据的近邻集中存在所述极大密度数据、且该数据不是所述数据子集中任一数据的近邻集中的极大密度数据的情况下删除该数据。

5.一种基于支持向量回归的数据处理装置，其中，所述数据处理装置包括如权利要求1-3中任一所述的数据过滤装置，所述数据过滤装置被配置用于对训练阶段中所使用的训练数据预先进行过滤。

6.一种无线定位设备，包括训练装置和定位装置，还包括如权利要求1-3中任一所述的数据过滤装置，其中，

所述数据过滤装置被配置用于对训练数据进行过滤，其中，所述训练数据包括多个位置以及与所述多个位置中的每一个相对应的接收信号强度RSS数据值；

所述训练装置被配置用于利用经过所述数据过滤装置过滤的训练数据来训练支持向量回归模型；以及

所述定位装置被配置用于基于与待定位对象相关的接收信号强度RSS数据值，以及利用经过所述训练装置训练的支持向量回归模型，来获得所述待定位对象的位置。

7.一种信息处理设备，包括：

如权利要求1-3中任一所述的数据过滤装置；或

如权利要求5所述的基于支持向量回归的数据处理装置；或

如权利要求6所述的无线定位设备。

8.一种基于支持向量回归的数据处理方法，其中，所述数据处理方法的训练阶段中包括如下步骤：

利用如权利要求4所述的数据过滤方法对训练阶段中所使用的训练数据预先进行过滤。

9.一种无线定位方法，包括：

获得训练数据，其中，所述训练数据包括多个位置以及与所述多个位置中的每一个相对应的接收信号强度RSS数据值；

对所述训练数据进行过滤；

利用经过过滤的训练数据来训练支持向量回归模型；以及

基于与待定位对象相关的接收信号强度RSS数据值，以及利用经过训练的支持向量回归模型，来获得所述待定位对象的位置；

其中，所述的对所述训练数据进行过滤的步骤通过如权利要求4所述的数据过滤方法来实现。