[发明专利]一种基于空间和跨域相关性的感知位置选择方法

说明书

本发明涉及一种基于空间和跨域相关性的感知位置选择方法。该方法首先分别针对空间相关性与跨域相关性对现有的缺失数据推测算法进行适配与改进，然后针对具体的缺失数据推测算法，进行感知任务选择策略的设计(首先设计推测算法标签误差的替代性指标，该指标需能够在真值标签未知时估计不同待标记样例对结果的贡献，然后借鉴经典主动学习的样例选择策略，设计基于样例不确定度或模型不确定度的计算指标)，分别实现了利用空间相关性的基于克里金插值的推测器与选择器以及利用跨域相关性的基于回归树的推测器与选择器，最后对空间和跨域信息生成的推测结果进行存储，使用多元回归来动态整合，使得在给定成本限定的条件下，获得的数据质量最优。

技术领域

本发明涉及信息加工技术领域，具体涉及一种基于空间和跨域相关性的感知位置选择算法。具体地说，为了协调环境监测等应用中数据质量与感知成本二者的关系，分别针对感知数据的空间相关性与跨域相关性进行感知任务位置选择策略的设计，使得在给定成本限定的条件下，获得的数据质量最优。

背景技术

数据质量和传感成本是环境监测应用的两个重要问题。为了在某个区域获得高质量的传感结果，一个直观的想法是选择更多的传感位置，部署更多的监测站/传感器或招募更多的人群感知参与者，这将导致更高的传感成本。因此，选择要采样的位置可以最准确地估计其他位置的数据是一个挑战。

在传统的监督学习中，标记了训练学习模型所需的数据。通常认为标记的数据越多，标签越精确，并且模型基于训练数据的效率越高。大数据时代为机器学习提供了丰富的原材料来源，使其成为日益重要的角色，并成为最受欢迎的研究领域之一。然而，大数据提供了机遇和严峻挑战，其中最典型的是低质量的数据。手动标记所有数据然后训练模型将耗费大量的人力和资源。不同数据样本对学习模型的贡献是不同的。如果我们可以选择一些最有价值的数据进行标记，则可以仅基于少量数据获得相同的有效模型。要实现这一目标，关键是选择最有价值的数据样本并获取其标签信息。主动学习是研究这个问题的机器学习框架。

由于传统的主动学习算法是基于样本数据是独立且相同分布的假设，而环境监测应用的感知数据一般具有空间相关性和跨域相关性，不能直接应用现有的主动学习算法。因此，我们需要为特定的数据估计算法设计主动采样策略，并使估计算法和主动采样策略之间的最佳拟合。以空气质量为例，空间相关性是指相邻空间中空气质量的相似性。跨域相关性代表气象和交通流量也会影响某个地方的空气质量。现在，在线内容和服务，传感基础设施和其他数据源可以提供丰富的跨域相关信息，从而可以根据某些位置的数据和跨域相关信息推断其他数据。

发明内容

要解决的技术问题

为了协调环境监测等应用中数据质量与感知成本二者的关系，通过采集小部分最有价值的数据，高准确性地推测其余数据，从而以较低感知成本，获得较高的数据质量，本发明提供了一种基于空间和跨域相关性的感知位置选择方法。

技术方案

一种基于空间和跨域相关性的感知位置选择方法，其特征在于步骤如下：

步骤1：利用环境监测站收集污染物浓度信息数据，采集一部分监测站的数据作为标记样本，将数据整理成四元组<监测站id，监测点空间位置，时间，污染指标>的格式；未采集的监测站的数据为未标记样本；使用标记样本对克里金插值模型进行训练，之后对未标记样本进行插值估算；

步骤2：采用下式计算未标记样本的预估误差，将预估误差作为置信度评判的指标：

MSE(Z₀)＝σ²{1-r^TR^-1r+(1-FR^-1r)²/F^TR^-1F}