本發(fā)明涉及室內(nèi)定位
技術(shù)領(lǐng)域：
，特別是涉及一種基于WLAN的半監(jiān)督定位方法。
背景技術(shù)：
：室內(nèi)定位是一種用于獲取室內(nèi)目標(biāo)物體位置信息的技術(shù)，在民用和軍用領(lǐng)域具有廣泛的應(yīng)用前景。常見(jiàn)的定位算法主要基于接收信號(hào)強(qiáng)度指示(ReceivedSignalStrengthIndication,RSSI)、到達(dá)時(shí)間(TimeofArrival,TOA)、到達(dá)時(shí)間差(TimeDifferenceofArrival,TDOA)、到達(dá)角度(AngleofArrival,AOA)等技術(shù)。其中，基于RSSI的定位算法具有低功耗，低成本且易實(shí)現(xiàn)的優(yōu)點(diǎn)，被廣泛應(yīng)用于無(wú)線室內(nèi)定位。使用RSSI的定位算法通常分為：基于信號(hào)傳播模型的定位算法和基于指紋模型的定位算法。傳統(tǒng)的基于信號(hào)傳播模型的定位算法主要通過(guò)獲取大量的樣本數(shù)據(jù)，利用傳統(tǒng)路徑損耗模型建立接收信號(hào)強(qiáng)度指示(RSSI)和節(jié)點(diǎn)間距離的函數(shù)關(guān)系，然后估計(jì)出目標(biāo)的位置信息。由于無(wú)線信號(hào)在傳播過(guò)程中較易受室內(nèi)環(huán)境變化的影響，導(dǎo)致RSSI值具有明顯的波動(dòng)性，同時(shí)傳統(tǒng)路徑損耗模型中路徑衰減指數(shù)以及環(huán)境因子難以確定，這些因素將影響模型的測(cè)距精度，進(jìn)而導(dǎo)致定位誤差增大?；谥讣y模型的定位方法是在標(biāo)記數(shù)據(jù)的基礎(chǔ)上根據(jù)統(tǒng)計(jì)分析方法建立定位模型，具有定位精度高，充分利用現(xiàn)有設(shè)施，升級(jí)和維護(hù)對(duì)用戶影響小等優(yōu)點(diǎn)，得到了廣泛應(yīng)用，位置指紋定位算法主要分為離線采集階段和在線定位階段。然而，該方法的定位精度取決于標(biāo)記數(shù)據(jù)是否充足，然而由于室內(nèi)環(huán)境復(fù)雜、區(qū)域較大等因素，較難獲取大量標(biāo)記數(shù)據(jù)且耗費(fèi)人力物力。在先，有人提出了一種基于極端學(xué)習(xí)機(jī)的半監(jiān)督學(xué)習(xí)方法，采用輸出閾值向量和“換位”思想擴(kuò)充標(biāo)記數(shù)據(jù)，提高了半監(jiān)督方法的學(xué)習(xí)速度并減少對(duì)標(biāo)記數(shù)據(jù)的依賴。也有人提出了一種新的半監(jiān)督學(xué)習(xí)方法，并應(yīng)用于稀疏校準(zhǔn)位置估計(jì)。上述方法需事先假設(shè)任意類別中至少有一個(gè)標(biāo)記數(shù)據(jù)，然而有限的標(biāo)記數(shù)據(jù)不能涵蓋所有類別，使假設(shè)難以滿足。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的一個(gè)目的是要提供一種半監(jiān)督定位方法，能夠?qū)Τ跏紭?biāo)記數(shù)據(jù)進(jìn)行擴(kuò)充，有效提高定位準(zhǔn)確率的同時(shí)，且運(yùn)行時(shí)間較短。特別地，本發(fā)明提供了一種半監(jiān)督定位方法(SLACE)，包括：步驟1：建立初始標(biāo)記數(shù)據(jù)集；步驟2：通過(guò)快速搜索和查找分類(CFSFDP)聚類所述初始標(biāo)記數(shù)據(jù)集，并標(biāo)記所述初始標(biāo)記數(shù)據(jù)集的聚類中心缺失的位置信息；步驟3：通過(guò)極限學(xué)習(xí)機(jī)(ELM)訓(xùn)練所述初始標(biāo)記數(shù)據(jù)集；步驟4：通過(guò)所述步驟2和步驟3的數(shù)據(jù)結(jié)果以配置擴(kuò)充所述初始標(biāo)記數(shù)據(jù)集，以得到擴(kuò)充標(biāo)記數(shù)據(jù)集；步驟5：用換位思想評(píng)估所述擴(kuò)充標(biāo)記數(shù)據(jù)集的正確性，并輸出定位結(jié)果。對(duì)于上述技術(shù)方案，發(fā)明人還提供了進(jìn)一步的優(yōu)化實(shí)施方案。優(yōu)選地，所述步驟2中，選取所述初始標(biāo)記數(shù)據(jù)集的一個(gè)位置點(diǎn)作為坐標(biāo)原點(diǎn)建立二維直角坐標(biāo)系，獲得N個(gè)參考點(diǎn)在該二維直角坐標(biāo)系中的坐標(biāo)位置，并在每個(gè)參考點(diǎn)上利用移動(dòng)設(shè)備對(duì)每個(gè)AP節(jié)點(diǎn)采集k次信號(hào)強(qiáng)度，構(gòu)建對(duì)應(yīng)每個(gè)參考點(diǎn)的信號(hào)強(qiáng)度矩陣，進(jìn)而構(gòu)建用于聚類所述初始標(biāo)記數(shù)據(jù)集的指紋數(shù)據(jù)庫(kù)。進(jìn)一步地，在所述步驟2中，通過(guò)計(jì)算所述初始標(biāo)記數(shù)據(jù)集中各數(shù)據(jù)的局部密度和距離，配置所述局部密度和所述距離的決策圖，選取聚類中心，如所述聚類中心為未標(biāo)記數(shù)據(jù)，則根據(jù)路徑損耗模型標(biāo)記所述聚類中心，并將與所述聚類中心截?cái)嗑嚯x內(nèi)的數(shù)據(jù)添加至所述初始標(biāo)記數(shù)據(jù)集。優(yōu)選地，所述步驟3中，利用極限學(xué)習(xí)機(jī)訓(xùn)練所述初始標(biāo)記數(shù)據(jù)集S，配置并保存輸入權(quán)值矩陣W、隱層偏置向量B、權(quán)值矩陣β0以及輸出閾值向量θ。進(jìn)一步地，所述步驟3中，配置所述輸入權(quán)值矩陣W、隱層偏置向量B、權(quán)值矩陣β0以及輸出閾值向量θ的步驟如下：步驟C1：隨機(jī)初始化輸入權(quán)值矩陣W＝{w.i}和隱層偏置向量B＝{bi}，i＝1，…，M；步驟C2：計(jì)算所述初始標(biāo)記數(shù)據(jù)集S的隱層輸出矩陣H(W,B,S)；步驟C3：計(jì)算權(quán)值矩陣β0；步驟C4：計(jì)算S的輸出矩陣O，式中：NS為S的數(shù)據(jù)總數(shù)；步驟C5：計(jì)算輸出閾值向量θ，θ={θk|θk=1NkΣj=1Nojkδ(ojk)-Δ;k=1,...,C},]]>式中：θk為類別k的輸出閾值，Nk為S中類別k的數(shù)據(jù)個(gè)數(shù)，ojk為O中第j行第k列的值，Δ為[0,1]的隨機(jī)數(shù)，函數(shù)δ(ojk)定義如下：δ(ojk)=1ifojk=max{oj1,...,ojk,...,ojC}0else]]>步驟C6：保存W、B、β0、θ。進(jìn)一步，所述步驟4中，所述擴(kuò)充標(biāo)記數(shù)據(jù)集Se的配置步驟如下：步驟D1：利用所述步驟3中保存的參數(shù)W、B、β0、θ，計(jì)算未標(biāo)記數(shù)據(jù)集U0的輸出矩陣OU，具體計(jì)算公式如下，式中：H(W,B,U0)為U0的隱層輸出矩陣，Ou為U0的輸出矩陣，Nu為U0的數(shù)據(jù)總數(shù)；步驟D2：對(duì)于U0的輸出矩陣Ou，若oujk等于并且oujk大于等于θk(oujk∈Ou,θk∈θ)，則將未標(biāo)記數(shù)據(jù)的位置標(biāo)記為類別k，并加入所述擴(kuò)充標(biāo)記數(shù)據(jù)集Se。進(jìn)一步，所述步驟5中，用換位思想評(píng)估所述擴(kuò)充標(biāo)記數(shù)據(jù)集，將所述擴(kuò)充標(biāo)記數(shù)據(jù)集Se和所述初始標(biāo)記數(shù)據(jù)集S進(jìn)行交換，評(píng)判所述擴(kuò)充標(biāo)記數(shù)據(jù)集Se的正確性。進(jìn)一步，所述步驟5中，評(píng)判所述擴(kuò)充標(biāo)記數(shù)據(jù)集Se的正確性的步驟如下：步驟E1：將所述擴(kuò)充標(biāo)記數(shù)據(jù)集Se作為訓(xùn)練數(shù)據(jù)集，計(jì)算權(quán)值矩陣βe；步驟E2：將所述初始標(biāo)記數(shù)據(jù)集S作為測(cè)試數(shù)據(jù)集，通過(guò)公式檢驗(yàn)所述擴(kuò)充標(biāo)記數(shù)據(jù)集Se，如果步驟E2中的公式成立，則輸出定位結(jié)果；否則清空所述擴(kuò)充標(biāo)記數(shù)據(jù)集Se，并擴(kuò)大所述輸出閾值向量θ，θ＝{θk|θk＝θk+η；0＜η＜1}同時(shí)轉(zhuǎn)步驟4重新擴(kuò)充所述擴(kuò)充標(biāo)記數(shù)據(jù)集Se。進(jìn)一步，所述步驟E2中的公式成立，所述輸出定位結(jié)果為所述極限學(xué)習(xí)機(jī)的參數(shù)W、B和β1，所述初始標(biāo)記數(shù)據(jù)集S和所述擴(kuò)充標(biāo)記數(shù)據(jù)集Se以所述輸入權(quán)值矩陣W、隱層偏置向量B計(jì)算輸出權(quán)值矩陣β1，計(jì)算公式如下：如果||β1-β0||>ε(ε>0)，則令β0＝β1，并清空Se，轉(zhuǎn)所述步驟3；否則，輸出并保存W、B以及β1，定位結(jié)束。與現(xiàn)有技術(shù)相比較，本發(fā)明的優(yōu)點(diǎn)在于：本發(fā)明所公開的半監(jiān)督定位算法，針對(duì)室內(nèi)環(huán)境復(fù)雜，難以獲取足夠多的有效標(biāo)記數(shù)據(jù)，主要解決的是利用較少的標(biāo)記數(shù)據(jù)在室內(nèi)中精確的獲取目標(biāo)位置。本發(fā)明利用快速搜索與密度峰值聚類數(shù)據(jù)集，并標(biāo)記聚類中心缺失的位置信息，擴(kuò)充初始標(biāo)記數(shù)據(jù)；利用極限學(xué)習(xí)機(jī)訓(xùn)練初始標(biāo)記數(shù)據(jù)，根據(jù)輸出閾值向量和“換位”思想擴(kuò)充標(biāo)記數(shù)據(jù)，提高定位準(zhǔn)確率。實(shí)驗(yàn)表明：在標(biāo)記數(shù)據(jù)個(gè)數(shù)相同時(shí)，該算法較ELM算法、BP算法而言，定位準(zhǔn)確率明顯提高且運(yùn)行時(shí)間短。根據(jù)下文結(jié)合附圖對(duì)本發(fā)明具體實(shí)施例的詳細(xì)描述，本領(lǐng)域技術(shù)人員將會(huì)更加明了本發(fā)明的上述以及其他目的、優(yōu)點(diǎn)和特征。附圖說(shuō)明后文將參照附圖以示例性而非限制性的方式詳細(xì)描述本發(fā)明的一些具體實(shí)施例。附圖中相同的附圖標(biāo)記標(biāo)示了相同或類似的部件或部分。本領(lǐng)域技術(shù)人員應(yīng)該理解，這些附圖未必是按比例繪制的。附圖中：圖1是根據(jù)本發(fā)明一個(gè)實(shí)施例的定位方法的流程圖。具體實(shí)施方式圖1是根據(jù)本實(shí)施例的半監(jiān)督定位方法的方法流程圖。下面將結(jié)合圖1對(duì)本實(shí)施例進(jìn)行詳細(xì)闡述。本實(shí)施例描述了一種半監(jiān)督定位方法(SLACE)，包括：步驟1：建立初始標(biāo)記數(shù)據(jù)集；步驟2：通過(guò)快速搜索和查找分類(CFSFDP)聚類所述初始標(biāo)記數(shù)據(jù)集，并標(biāo)記所述初始標(biāo)記數(shù)據(jù)集的聚類中心缺失的位置信息；步驟3：通過(guò)極限學(xué)習(xí)機(jī)(ELM)訓(xùn)練所述初始標(biāo)記數(shù)據(jù)集；步驟4：通過(guò)所述步驟2和步驟3的數(shù)據(jù)結(jié)果以配置擴(kuò)充所述初始標(biāo)記數(shù)據(jù)集，以得到擴(kuò)充標(biāo)記數(shù)據(jù)集；步驟5：用換位思想評(píng)估所述擴(kuò)充標(biāo)記數(shù)據(jù)集的正確性，并輸出定位結(jié)果。在步驟2中，選取一個(gè)位置點(diǎn)作為坐標(biāo)原點(diǎn)建立二維直角坐標(biāo)系，獲得N個(gè)參考點(diǎn)在該二維直角坐標(biāo)系中的坐標(biāo)位置，并在每個(gè)參考點(diǎn)上利用移動(dòng)設(shè)備采集k次AP節(jié)點(diǎn)的信號(hào)強(qiáng)度，每秒一次，具體如下：步驟B1：在每個(gè)參考點(diǎn)接收每一個(gè)AP節(jié)點(diǎn)的信號(hào)強(qiáng)度RSS值，構(gòu)成D維信號(hào)向量RSSD；每個(gè)參考點(diǎn)采集k次信號(hào)強(qiáng)度值，構(gòu)成了k*D的信號(hào)強(qiáng)度矩陣，其矩陣的第i行第j列表示第i次采集中接收第j個(gè)AP節(jié)點(diǎn)的信號(hào)強(qiáng)度RSS值；i為小于或等于k的正整數(shù)；j為小于或等于D的正整數(shù)；RSSD＝(rss1,rss2,rss3,…,rssD)式中：rssi∈[-100,0]表示位置點(diǎn)A處接收到第i個(gè)AP節(jié)點(diǎn)的信號(hào)強(qiáng)度。步驟B2：構(gòu)建指紋數(shù)據(jù)庫(kù),訓(xùn)練數(shù)據(jù)集中包含N條記錄，每條記錄可表示為向量X，向量中包含可用AP節(jié)點(diǎn)的信號(hào)強(qiáng)度和采樣點(diǎn)的位置：Xi=(RSSiD,Li)=(rssi1,rssi2,rssi3,...,rssiD,Li)]]>式中：D表示AP節(jié)點(diǎn)的個(gè)數(shù)，Li表示對(duì)應(yīng)于RSS向量的位置標(biāo)簽。若移動(dòng)設(shè)備未接收到某AP節(jié)點(diǎn)的信號(hào)，默認(rèn)使用-100填充該AP節(jié)點(diǎn)信號(hào)強(qiáng)度值。移動(dòng)設(shè)備未接收到某AP節(jié)點(diǎn)信號(hào)的原因有以下兩點(diǎn)：一是該AP節(jié)點(diǎn)出現(xiàn)故障；二是該AP節(jié)點(diǎn)受到障礙物的遮擋。步驟B3：假設(shè)數(shù)據(jù)集S＝{X1,X2,…,XN}，對(duì)應(yīng)指標(biāo)集Is＝{1,2,…,N}，數(shù)據(jù)Xi與Xj之間信號(hào)強(qiáng)度的Euclidean距離為dij，計(jì)算各數(shù)據(jù)的距離向量D，遞增排序D，取dc為D的第q％位置的距離值。步驟B4：計(jì)算各數(shù)據(jù)的局部密度ρ和距離ξ，畫出ρ與ξ的決策圖，選取聚類中心。數(shù)據(jù)Xi的局部密度ρi表示以Xi為中心，截?cái)嗑嚯xdc為半徑的圓區(qū)域內(nèi)的數(shù)據(jù)個(gè)數(shù)，定義如下：ρi=Σ1≤j≠i≤Nχ(dij-dc),1≤i≤N]]>其中χ(t)=1t<00else]]>數(shù)據(jù)Xi的距離ξi表示Xi與其他密度高于ρi的數(shù)據(jù)之間的最小距離，定義如下：步驟B5、若聚類中心為未標(biāo)記數(shù)據(jù)，則根據(jù)路徑損耗模型標(biāo)記該聚類中心。步驟B6、根據(jù)聚類中心劃分S∪U。步驟B7、將與聚類中心距離小于d的數(shù)據(jù)添加至標(biāo)記數(shù)據(jù)集S。進(jìn)一步地，在所述步驟2中，通過(guò)計(jì)算所述初始標(biāo)記數(shù)據(jù)集中各數(shù)據(jù)的局部密度和距離，配置所述局部密度和所述距離的決策圖，選取聚類中心，如所述聚類中心為未標(biāo)記數(shù)據(jù)，則根據(jù)路徑損耗模型標(biāo)記所述聚類中心，并將與所述聚類中心截?cái)嗑嚯x內(nèi)的數(shù)據(jù)添加至所述初始標(biāo)記數(shù)據(jù)集。優(yōu)選地，所述步驟3中，利用極限學(xué)習(xí)機(jī)訓(xùn)練所述初始標(biāo)記數(shù)據(jù)集S，配置并保存輸入權(quán)值矩陣W、隱層偏置向量B、權(quán)值矩陣β0以及輸出閾值向量θ。進(jìn)一步地，所述步驟3中，配置所述輸入權(quán)值矩陣W、隱層偏置向量B、權(quán)值矩陣β0以及輸出閾值向量θ的步驟如下：步驟C1：隨機(jī)初始化輸入權(quán)值矩陣W＝{w.i}和隱層偏置向量B＝{bi}，i＝1，…，M；步驟C2：計(jì)算所述初始標(biāo)記數(shù)據(jù)集S的隱層輸出矩陣H(W,B,S)；步驟C3：計(jì)算權(quán)值矩陣β0；步驟C4：計(jì)算S的輸出矩陣O，式中：NS為S的數(shù)據(jù)總數(shù)；步驟C5：計(jì)算輸出閾值向量θ，θ={θk|θk=1NkΣj=1Nojkδ(ojk)-Δ;k=1,...,C},]]>式中：θk為類別k的輸出閾值，Nk為S中類別k的數(shù)據(jù)個(gè)數(shù)，ojk為O中第j行第k列的值，Δ為[0,1]的隨機(jī)數(shù)，函數(shù)δ(ojk)定義如下：δ(ojk)=1ifojk=max{oj1,...,ojk,...,ojC}0else]]>步驟C6：保存W、B、β0、θ。進(jìn)一步，所述步驟4中，所述擴(kuò)充標(biāo)記數(shù)據(jù)集Se的配置步驟如下：步驟D1：利用所述步驟3中保存的參數(shù)W、B、β0、θ，計(jì)算未標(biāo)記數(shù)據(jù)集U0的輸出矩陣OU，具體計(jì)算公式如下，式中：H(W,B,U0)為U0的隱層輸出矩陣，Ou為U0的輸出矩陣，Nu為U0的數(shù)據(jù)總數(shù)；步驟D2：對(duì)于U0的輸出矩陣Ou，若oujk等于并且oujk大于等于θk(oujk∈Ou,θk∈θ)，則將未標(biāo)記數(shù)據(jù)的位置標(biāo)記為類別k，并加入所述擴(kuò)充標(biāo)記數(shù)據(jù)集Se。進(jìn)一步，所述步驟5中，用換位思想評(píng)估所述擴(kuò)充標(biāo)記數(shù)據(jù)集，將所述擴(kuò)充標(biāo)記數(shù)據(jù)集Se和所述初始標(biāo)記數(shù)據(jù)集S進(jìn)行交換，評(píng)判所述擴(kuò)充標(biāo)記數(shù)據(jù)集Se的正確性。進(jìn)一步，所述步驟5中，評(píng)判所述擴(kuò)充標(biāo)記數(shù)據(jù)集Se的正確性的步驟如下：步驟E1：將所述擴(kuò)充標(biāo)記數(shù)據(jù)集Se作為訓(xùn)練數(shù)據(jù)集，計(jì)算權(quán)值矩陣βe；步驟E2：將所述初始標(biāo)記數(shù)據(jù)集S作為測(cè)試數(shù)據(jù)集，通過(guò)公式檢驗(yàn)所述擴(kuò)充標(biāo)記數(shù)據(jù)集Se，如果步驟E2中的公式成立，則輸出定位結(jié)果；否則清空所述擴(kuò)充標(biāo)記數(shù)據(jù)集Se，并擴(kuò)大所述輸出閾值向量θ，θ＝{θk|θk＝θk+η；0＜η＜1}同時(shí)轉(zhuǎn)步驟4重新擴(kuò)充所述擴(kuò)充標(biāo)記數(shù)據(jù)集Se。進(jìn)一步，所述步驟E2中的公式成立，所述輸出定位結(jié)果為所述極限學(xué)習(xí)機(jī)的參數(shù)W、B和β1，所述初始標(biāo)記數(shù)據(jù)集S和所述擴(kuò)充標(biāo)記數(shù)據(jù)集Se以所述輸入權(quán)值矩陣W、隱層偏置向量B計(jì)算輸出權(quán)值矩陣β1，計(jì)算公式如下：如果||β1-β0||>ε(ε>0)，則令β0＝β1，并清空Se，轉(zhuǎn)所述步驟3；否則，輸出并保存W、B以及β1，定位結(jié)束。以具體實(shí)驗(yàn)為例，針對(duì)一長(zhǎng)約12.8m，寬約12.5m，高約3m的綜合實(shí)驗(yàn)室，室內(nèi)設(shè)有工位、電腦等辦公用品，在實(shí)驗(yàn)室內(nèi)周邊設(shè)有9個(gè)AP節(jié)點(diǎn)，高度保持1.6m，將實(shí)驗(yàn)室內(nèi)區(qū)域劃分為若干個(gè)2m×2m的小區(qū)域，以小區(qū)域中心為信號(hào)強(qiáng)度采集點(diǎn)。該實(shí)驗(yàn)共收集7200條數(shù)據(jù)，包含標(biāo)記數(shù)據(jù)和未標(biāo)記數(shù)據(jù)。算法中參數(shù)q＝2，d＝0.14，ɑ＝0.21，ε＝0.1，M＝10。以這一實(shí)驗(yàn)室的半監(jiān)督定位為例，針對(duì)各步驟進(jìn)行實(shí)例分析。針對(duì)步驟2，進(jìn)行實(shí)例分析：在每個(gè)參考點(diǎn)接收每一個(gè)AP節(jié)點(diǎn)的信號(hào)強(qiáng)度RSS值，構(gòu)成9維信號(hào)向量RSS9；每個(gè)參考點(diǎn)采集600次信號(hào)強(qiáng)度值，構(gòu)成了600*9的信號(hào)強(qiáng)度矩陣，其矩陣的第i行第j列表示第i次采集中接收第j個(gè)AP節(jié)點(diǎn)的信號(hào)強(qiáng)度RSS值；i為小于或等于600的正整數(shù)；j為小于或等于9的正整數(shù)；RSS9＝(rss1,rss2,rss3,…,rss9)式中：rssi∈[-100,0]表示位置點(diǎn)A處接收到第i個(gè)AP節(jié)點(diǎn)的信號(hào)強(qiáng)度。構(gòu)建指紋數(shù)據(jù)庫(kù),訓(xùn)練數(shù)據(jù)集中包含N條記錄，每條記錄可表示為向量Xi，向量中包含可用AP節(jié)點(diǎn)的信號(hào)強(qiáng)度和采樣點(diǎn)的位置：Xi＝(RSSi,Li)＝(rssi1,rssi2,rssi3,…,rssi9,Li)建立的指紋數(shù)據(jù)庫(kù)如下表所示：L1rss1……rss9……………………LNrss1……rss9其中，L1到LN是選取的N個(gè)參考點(diǎn)，每個(gè)參考點(diǎn)的信息包括位置信息和9個(gè)AP的RSS值。計(jì)算每條記錄之間信號(hào)強(qiáng)度的Euclidean距離，例如數(shù)據(jù)記錄Xi＝(rssi1,rssi2,rssi3,…,rssi9,Li)和Xj＝(rssj1,rssj2,rssj3,…,rssj9,Lj),Xi和Xj之間的Euclidean距離dij，如下式所示：dij＝sqrt((rssi1-rssj1)2+(rssi2-rssj2)2+...+(rssi9-rssj9)2)0≤i,j≤N(18)根據(jù)上式計(jì)算數(shù)據(jù)記錄之間的信號(hào)強(qiáng)度的距離，獲取距離向量D，將D進(jìn)行遞增排序，取dc為D的第q％位置的距離值；利用公式(3)(5)計(jì)算各數(shù)據(jù)記錄的局部密度ρ和距離ξ，畫出ρ與ξ的決策圖，選取聚類中心；判斷聚類中心是否為未標(biāo)記數(shù)據(jù)，若是，則根據(jù)路徑損耗模型標(biāo)記該聚類中心；根據(jù)標(biāo)記的聚類中心，劃分S∪U；最后選取與聚類中心距離小于d的數(shù)據(jù)記錄添加至標(biāo)記數(shù)據(jù)集S。針對(duì)步驟3，進(jìn)行實(shí)例分析：利用ELM模型訓(xùn)練初始數(shù)據(jù)集，所采用的ELM模型由輸入層、隱含層和輸出層組成，各層數(shù)分別為9，10，36；隨機(jī)初始化輸入權(quán)值矩陣W＝{w.i}和隱層偏差向量B＝{bi}，i＝1，…，M；計(jì)算S的隱層輸出矩陣H(W,B,S)；根據(jù)式(8)計(jì)算權(quán)值矩陣β0；根據(jù)式(9)計(jì)算S的輸出矩陣O。根據(jù)計(jì)算的輸出矩陣O，利用式(10)計(jì)算輸出閾值向量θ，最后保存ELM模型的參數(shù)W、B、β0、θ。針對(duì)步驟4，進(jìn)行實(shí)例分析：利用步驟3中保存的參數(shù)，根據(jù)式(12)計(jì)算U0輸出矩陣Ou；對(duì)于輸出矩陣Ou，若oujk等于并且oujk大于等于θk(oujk∈Ou,θk∈θ)，則將未標(biāo)記數(shù)據(jù)的位置標(biāo)記為類別k，并加入擴(kuò)充標(biāo)記數(shù)據(jù)集Se。針對(duì)步驟5，進(jìn)行實(shí)例分析：將Se作為訓(xùn)練數(shù)據(jù)集，計(jì)算權(quán)值矩陣βe；將S作為測(cè)試數(shù)據(jù)集，通過(guò)式間接檢驗(yàn)Se的正確性；若上式成立，轉(zhuǎn)步驟5，否則清空Se，并根據(jù)式θ＝{θk|θk＝θk+η；0＜η＜1}擴(kuò)大θ，同時(shí)轉(zhuǎn)步驟3重新擴(kuò)充Se。針對(duì)步驟五，進(jìn)行實(shí)例分析：S和Se以W為輸入權(quán)值矩陣、B為隱層偏置向量，根據(jù)式(15)計(jì)算輸出權(quán)值矩陣β1；若||β1-β0||>ε(ε>0)，則令β0＝β1，并清空Se，轉(zhuǎn)步驟2；否則，輸出并保存W、B以及β1，定位算法結(jié)束。至此，本領(lǐng)域技術(shù)人員應(yīng)認(rèn)識(shí)到，雖然本文已詳盡示出和描述了本發(fā)明的多個(gè)示例性實(shí)施例，但是，在不脫離本發(fā)明精神和范圍的情況下，仍可根據(jù)本發(fā)明公開的內(nèi)容直接確定或推導(dǎo)出符合本發(fā)明原理的許多其他變型或修改。因此，本發(fā)明的范圍應(yīng)被理解和認(rèn)定為覆蓋了所有這些其他變型或修改。當(dāng)前第1頁(yè)1 2 3