[发明专利]一种基于局部线性嵌入算法的射频地图无监督分类方法

摘要

一种基于局部线性嵌入算法的射频地图无监督分类方法，涉及一种局部线性嵌入算法的分类方法，解决现有的射频地图分类方法在分类时只能依靠待定位区域的空间分布进行分类的问题。在待定位的室内区域设置访问接入参考点和测试点，根据测试点的位置与访问接入参考点的RSS确定Radio map的矩阵，将Radio map数据进行处理，所述处理步骤为将Radio map中的空间坐标信息保存至存储设备，然后将空间坐标信息删除，得到实际的高维数据X＝(x1，x2，…，xt)，根据近邻点构造局部协方差矩阵Q，利用局部重构权值矩阵W计算低维嵌入，将低维数据分成S个类并判断类间散度与类内散度，通过比值情况对类进行合并，获得最终的类别信息矩阵。本发明可广泛应用于对射频地图无监督的分类情况。

主权项

1.一种基于局部线性嵌入算法的射频地图无监督分类方法，其特征在于它包括如下步骤：步骤一：在待定位的室内区域设置访问接入参考点和测试点，所述访问接入参考点的高度距离地面2-2.5米，测试点的密度为3-5点/平方米；步骤二：根据测试点的位置与访问接入参考点的RSS确定Radio map的矩阵；若共有t个测试点，则Radio map为α＝(α₁，α₂，…，α_j，…，α_t)，α₁，α₂，…，α_t均为列向量，j为测试点的次序；其中，α_1，j，α_2，j分别为第j个测试点空间位置的横坐标和纵坐标，并且测试点的空间信息是连续的；空间信息连续是指在Radio map中，每一个空间坐标只出现一次，并且次序相邻的空间坐标之间直线距离小于1.1m；α_i，j(i≠1，2)为在第j个测试点测量到的第i-2个访问接入点的RSS值；步骤三：将Radio map数据进行处理，所述处理步骤为将Radio map中的空间坐标信息保存至存储设备，然后将空间坐标信息删除，得到实际的高维数据X＝(x₁，x₂，…，x_t).步骤四：以距离矩阵D表示高维数据X的任意两个列向量之间的欧氏距离，其中D_i，j表示高维数据X第i列和第j列的欧氏距离；将距离矩阵D中的第i行取出来，其中D_i，i＝0，并按照从小到大的顺序进行排列，计算除D_i，i以外K个最小欧氏距离的值和这些值在距离矩阵D中的矩阵位置，记录所述矩阵位置的列数值，设其为ω₁，ω₂，…，ω_K，而且ω₁＜ω₂＜…＜ω_K，则高维数据X中的ω₁，ω₂，…，ω_K列是高维数据X的第i列x_i的近邻点，将高维数据X的ω₁，ω₂，…，ω_K列记为x_i，1，x_i，2，…，x_i，k；所述欧氏距离为连点之间的直线距离；所述K的取值范围为：6≤K≤8；步骤五：根据近邻点构造局部协方差矩阵Q，对于高维数据X的第i列x_i的协方差矩阵Qⁱ，协方差矩阵Qⁱ的第j行第m列数值为列向量x_i和列向量x_i，j的差值与列向量x_i和列向量x_i，m的差值的内积；Qjmi=(xi-xi,j)T(xi-xi,m)---(1)]]>然后计算局部重构权值矩阵WWij=Σm=1k(Qi)jm-1Σp=1kΣq=1k(Qi)pq-1---(2)]]>步骤六：利用局部重构权值矩阵W计算低维嵌入，首先将局部重构权值矩阵W变为方阵，若局部重构权值矩阵W共有t行，则在第K+1列到第t列补零；然后对变换矩阵M进行广义特征值分解，所述变换矩阵M为：M＝(I-W)(I-W)^T                      (3)其中I为t行t列的单位矩阵，0＜λ₁≤λ₂≤…≤λ_d为变换矩阵M的最小且不为零的d个特征值，5≤d≤7，y₁，y₂，…，y_d为对应于λ₁，λ₂，…，λ_d的特征向量且都为列向量；得到降维以后的低维数据Y，Y＝(y₁，y₂，…，y_d)                     (4)低维数据Y中的行向量均为高维数据X中对应列的列向量的低维嵌入；将低维数据Y转置，得到低维数据AA＝Y^T                     (5)步骤七：将测试点的数量除以3，得到商数S和余数Z，U＝S-Z，故将低维数据A分成S个类；低维数据A的前U个类中包含三个测试点的低维数据，前U个类中第i类包含低维数据A的第3i-2列到第3i列数据；低维数据A的后Z个类有四个测试点的低维数据，后Z个类中的第j类包含低维数据A的第3S-3Z+4j-3列到3S-3Z+4j列数据；并根据分类信息矩阵的规则生成分类信息矩阵O；步骤八：根据分类信息矩阵O和步骤六获得的低维数据A，遍历所有的类，计算各类的类内散度θ和类间散度φ的比值获得用于合并的类，所述用于合并的类为类内散度θ和类间散度φ的比值最大的类.设定最终类数目N；步骤九：假设用于合并的类与其在步骤七所述的S个类中左边的类H合并，计算合并后的类的类内散度θ₁和类间散度φ₁度的比值再假设用于合并的类与其在步骤七所述的S个类中右边的类I合并，计算合并后的类的类内散度θ₂和类间散度φ₂度的比值当用于合并的类在A的最左侧时，其在步骤七所述的S个类中左边的类H不存在，则用于合并的类与其在步骤七所述的S个类中左边的类H合并以后仍为用于合并的类.当用于合并的类在A的最右侧时，其右边的类I不存在，则用于合并的类与其在步骤七所述的S个类中右边的类I合并以后仍为用于合并的类.步骤十：比较v₁和v₂；(1)当用于合并的类不在低维数据A的最左边和最右边时：若v₁比v₂小，那么用于合并的类应该与左边的类合并，若v₂比v₁小，那么用于合并的类应该与右边的类合并；(2)当用于合并的类在低维数据A的最左边时：若v₁比v₂小，那么合并不成功；若v₂比v₁小，合并成功，用于合并的类应该与右边的类合并；(3)当用于合并的类在低维数据A的最右边时：若v₁比v₂小，合并成功，用于合并的类应该与左边的类合并；若v₂比v₁小，那么合并不成功；若合并成功，则进入步骤十一，若不成功，则返回步骤八重新获取最大的类进行计算，直至合并成功进入步骤十一；步骤十一：更新类别信息矩阵O并计算剩余类的数目n，如果剩余类的数目n大于设定的类的数目N，则返回步骤八，直至剩余类的数目n等于设定的聚类数N，结束计算获得分类信息矩阵O的分类结果。