[发明专利]基于最佳传输模型的聚类普适性分析方法

说明书

技术领域

本发明涉及聚类相似度方法，具体涉及一种基于最佳传输模型的聚类普适性分析方法。

背景技术

随着移动互联网技术的快速发展，智慧城市概念的提出和迅速普及，基于位置的服务(Location Based Service,LBS)受到越来越多的关注，在医疗保健、紧急救助、个性化信息传递等科技生活领域显示出巨大的活力。以智能终端为平台，基于WLAN的室内定位因为其能够以纯软件的方式实现、定位系统成本低等特点，成为近年来普适计算和位置感知领域的一个研究热点。WLAN热点服务的高覆盖率是保证精确室内外无缝定位技术实现的可能，这一点正好契合智慧城市无线网络全覆盖的需求，同时大型的超市、卖场中WLAN热点的覆盖率也正在逐步上升。从目前针对室内定位的技术研究方向来说，主要是从指纹库的建立和定位匹配算法两个方面进行。由于WLAN热点的信号强度在室内的多径环境下的不稳定性导致的定位精度的下降以及指纹信息如何得到最大效用是广大研究人员所关注的重点。但是，实际的应用场景中仍然有这许多亟待解决的问题。比如说，如何高效地建立并维护指纹库，如何降低算法复杂度以提高响应速度，如何提高定位精度，以及如何解决在多用户情况下的高并发问题，这些都是室内定位技术走进应用所必须面临和解决的问题。

经对现有技术的文献检索发现，Chen Feng和Shahrokh Valaee于2010年在INFOCOM(International Conference on Computer Communications)发表了“Compressive Sensing Based Positioning UsingRSS of WLAN Access Points”(2010年IEEE组织在通信网络领域的会议，《利用无线局域网的信号强度值的压缩感知定位方法》)，提出了利用相似性传播聚类算法给指纹库分类，进一步使用压缩感知的算法进行定位匹配从而达到提升定位精度的目的，利用聚类算法在一定程度上能够提高定位的响应速度。但是，由于存在多种指纹库的采集设备，这些设备之间存在一定的差异性，则不同设备采集的指纹聚类之间会存在差异，因此，如何分析这些指纹聚类之间的相似度是一个亟需解决的问题。

发明内容

本发明的技术方案要解决的技术问题是分析指纹聚类之间的相似度。

为解决上述问题本发明的技术方案提供了一种基于最佳传输模型的聚类普适性分析方法，包括：

计算簇的匹配距离，包括对于任意两个聚类：聚类Π和聚类Ω，基于最佳传输模型计算簇Ai⋐Π(i=1...N)]]>与簇Bj⋐Ω(j=1...M)]]>之间的簇类匹配距离，所述聚类Π和聚类Ω分别含有N和M个簇；

计算聚类的匹配距离，包括基于任意两个所述簇之间的簇类匹配距离，结合所述最佳传输模型计算所述聚类Π和聚类Ω之间的聚类匹配距离；

聚类普适性分析，包括根据所述聚类Π和聚类Ω之间的聚类匹配距离，获得所述聚类Π和聚类Ω之间的相似度信息，基于所述相似度信息，确定每个聚类普适性的性能。