[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

摘要

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。

主权项

1.一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}其中，Z₀为未标记样本的污染指标估计值，σ²为方差，R称为相关矩阵，由所有已标记样本点之间的半变异函数值组成，r称为相关矢量，由未标记与所有已标记样本点之间的半变异函数值组成，计算公式如下：F＝[1 … 1]^Tγ(x_i,x_j)为x_i与x_j之间的半变异函数值，其计算式其中n是由监测站x_i与监测站x_j之间的距离分开的成对样本的数量，z(x_i)是第i个监测站的污染指标，z(x_j)是j个监测站的污染指标；步骤3：选择预估误差值最大的未标记样本为置信度最低的未标记样本，将其监测站数据加入到插值模型的标记样本集中，同时从未标记样本集中去除该样本；重新训练克里金插值模型，直至满足精度要求、成本要求或数量要求为止；并对未标记样本进行插值估算；步骤4：对每个监测站点进行建模，具体为以监测站点为中心、半径为30km画圆，并通过指向不同角度的四条线进一步分割为八个区域；然后，根据该站点的地理坐标将其他站点投影到分割的区域，在同一地区汇总跨域数据信息，当一个区域有多个站点时，计算平均数值；因此，每个区域只有一组汇总的跨域数据，将跨域数据输入到回归树模型中训练得到初始模型y，并估算未标记样本的污染指标；步骤5：将未标记样本添加到标记样本集计算其置信度，当初始模型的均方误差增加且增加的幅度最大或均方误差减少且减少的幅度是最小的，则该样本是最低置信度的未标记样本；所述的置信度计算公式如下：其中y是初始标记样本的真实污染指标，是初始模型对初始标记样本的估计值，是在在初始标记样本集中增加一条由初始模型估算的未标记样本集后重新训练模型并对初始已标记样本的估算值；重新训练回归树模型，并使用新模型对初始标记样本进行估算；步骤6：遍历未标记样本集，分别计算v，并选择v值最大的未标记样本，主动获取其数据，并将该条数据添加到标记样本集中；重新训练回归树模型，至满足精度要求、成本要求或数量要求为止；并估算未标记样本的污染指标；步骤7：将步骤3和步骤6分别利用空间和跨域信息生成的估算结果进行存储，最后使用多元回归来动态地整合得到最终的未标记样本估算结果。