本發(fā)明實施例涉及數(shù)字鑰匙標定,尤其涉及一種基于親和力聚類的數(shù)字鑰匙分類方法及裝置、電子設(shè)備。
背景技術(shù):
1、智能汽車技術(shù)的快速發(fā)展使得數(shù)字鑰匙逐漸嶄露頭角,數(shù)字鑰匙替代傳統(tǒng)物理鑰匙已經(jīng)成為不可逆轉(zhuǎn)的趨勢。目前市面上的數(shù)字鑰匙主要以藍牙數(shù)字鑰匙為主,藍牙數(shù)字鑰匙是通過車載藍牙基站捕捉來自手機的藍牙信號,通過分析基站接收到的藍牙信號rssi(received?signal?strength?indication,接收信號強度指示)值,確定數(shù)字鑰匙相對于車輛的位置,從而實現(xiàn)對車輛的解鎖和閉鎖操作。但不同型號的手機因芯片型號、手機結(jié)構(gòu)和手機制造工藝等方面的差異,導(dǎo)致不同型號的手機與藍牙基站在相同距離下呈現(xiàn)的藍牙rssi特征不同,所以需要對不同型號的手機進行藍牙數(shù)字鑰匙的標定,以獲得更好的解鎖和閉鎖的用戶體驗。
2、然而,市面上的手機型號眾多,且每年都會新增幾十部機型。若對每一種型號的手機都進行標定,則會對藍牙數(shù)字鑰匙的標定工作產(chǎn)生巨大的挑戰(zhàn)。因此,迫切期望一種分類方法對數(shù)字鑰匙進行分類,使得相同類別的數(shù)字鑰匙共用一套標定參數(shù)且都能很好的實現(xiàn)車輛解鎖和閉鎖的功能,從而達到減少藍牙數(shù)字鑰匙標定工作的目的。
技術(shù)實現(xiàn)思路
1、本發(fā)明實施例提供一種基于親和力聚類的數(shù)字鑰匙分類方法及裝置、電子設(shè)備,通過親和力聚類算法對數(shù)字鑰匙進行分類,可使同類終端定位時具備良好的一致性,有利于減少標定成本。
2、第一方面,本發(fā)明實施例提供了一種基于親和力聚類的數(shù)字鑰匙分類方法,包括:
3、獲取采集的待分類終端的特征數(shù)據(jù);所述特征數(shù)據(jù)包括m種待分類終端分別在n個采樣位置時的特征值;m、n均為大于1的自然數(shù);
4、對所述特征數(shù)據(jù)進行預(yù)處理;
5、根據(jù)預(yù)處理后的特征數(shù)據(jù)基于親和力聚類算法得到聚類中心以及聚類鄰居;其中,根據(jù)聚類中心以及聚類鄰居得到終端分類結(jié)果。
6、作為一個實施例,所述根據(jù)預(yù)處理后的特征數(shù)據(jù)基于親和力聚類算法得到聚類中心以及聚類鄰居,包括:
7、計算每個采樣位置處待分類終端對應(yīng)的特征數(shù)據(jù)之間的相似度矩陣;
8、初始化責(zé)任值和歸屬度;
9、根據(jù)責(zé)任值和歸屬度更新公式更新責(zé)任值和歸屬度以更新迭代聚類中心;
10、判斷是否滿足聚類中心穩(wěn)定或者達到最大迭代次數(shù),若是,則確定聚類中心,若否,則繼續(xù)更新迭代聚類中心;
11、根據(jù)得到的聚類中心計算得到各聚類中心的聚類鄰居。
12、作為一個實施例,根據(jù)責(zé)任值和歸屬度更新公式更新責(zé)任值和歸屬度以更新迭代聚類中心,包括:
13、責(zé)任值的更新公式為:
14、?????????????(1)
15、其中表示數(shù)據(jù)點i選擇數(shù)據(jù)點k作為其聚類中心的適合程度;表示數(shù)據(jù)點i和k之間的相似度,是歸屬值,表示數(shù)據(jù)點適合作為數(shù)據(jù)點i的聚類中心的程度;是在除了k之外的所有聚類中心中取最大值;
16、歸屬度的更新公式為:
17、(2)
18、當(dāng)i=k時,歸屬度更新公式變?yōu)椋?/p>
19、????????????????????(3)
20、其中是數(shù)據(jù)點k自身的責(zé)任值,表示k作為自己聚類中心的適合程度;是所有支持k作為聚類中心的其他數(shù)據(jù)點的責(zé)任值之和。
21、1.作為一個實施例,確定聚類中心,包括:
22、對于每個數(shù)據(jù)點k,如果,則k被選為一個聚類中心;
23、根據(jù)得到的聚類中心計算得到各聚類中心的聚類鄰居,包括:
24、對于每個非聚類中心的數(shù)據(jù)點i,將其歸類到使最大的聚類中心k。
25、作為一個實施例,所述待分類終端的特征值為藍牙rssi值;
26、所述對所述特征數(shù)據(jù)進行預(yù)處理,包括:
27、對每個采樣位置處各終端的rssi值進行3sigma去異常值處理;
28、計算每種待分類終端在每個采樣位置處的平均rssi值;
29、相應(yīng)地,所述計算每個采樣位置處待分類終端對應(yīng)的特征數(shù)據(jù)之間的相似度矩陣,包括:
30、根據(jù)所述平均rssi值計算相似度矩陣。
31、作為一個實施例,還包括:
32、按照以下方式采集得到每個待分類終端的rssi值:
33、每個采樣位置的采樣次數(shù)為預(yù)設(shè)次數(shù)、相鄰采樣位置間距預(yù)設(shè)距離且采樣時待分類終端豎直向下并保持靜止。
34、第二方面,本發(fā)明實施例提供了一種基于親和力聚類的數(shù)字鑰匙分類裝置,包括:
35、獲取模塊,用于獲取采集的待分類終端的特征數(shù)據(jù);所述特征數(shù)據(jù)包括m種待分類終端分別在n個采樣位置時的特征值;m、n均為大于1的自然數(shù);
36、預(yù)處理模塊,用于對所述特征數(shù)據(jù)進行預(yù)處理;
37、聚類模塊,用于根據(jù)預(yù)處理后的特征數(shù)據(jù)基于親和力聚類算法得到聚類中心以及聚類鄰居;其中,根據(jù)聚類中心以及聚類鄰居得到終端分類結(jié)果。
38、第三方面,本發(fā)明實施例提供了一種電子設(shè)備,包括存儲器、處理器;
39、存儲器,用于存儲計算機程序;所述處理器用于讀取所述存儲器中的計算機程序并在執(zhí)行所述程序時實現(xiàn)如前所述的基于親和力聚類的數(shù)字鑰匙分類方法。
40、第四方面,本發(fā)明實施例提供了一種計算機可讀存儲介質(zhì),其上存儲有計算機程序,該程序被處理器執(zhí)行時實現(xiàn)如第一方面所述的基于親和力聚類的數(shù)字鑰匙分類方法。
41、本發(fā)明實施例提供的技術(shù)方案與現(xiàn)有技術(shù)相比至少具備以下積極效果:
42、本發(fā)明實施例的技術(shù)方案中,采集待分類終端的特征數(shù)據(jù),對特征數(shù)據(jù)進行預(yù)處理后,根據(jù)特征數(shù)據(jù)基于親和力聚類算法得到聚類中心以及聚類鄰居,然后根據(jù)聚類中心以及聚類鄰居即可得到終端分類結(jié)果。親和力聚類算法通過傳遞待分類終端的特征數(shù)據(jù)之間的責(zé)任值和歸屬度信息進行分類,責(zé)任值和歸屬度信息可以很好地反映終端的特征,由此確定聚類中心和聚類鄰居,實現(xiàn)對數(shù)字鑰匙的無監(jiān)督分類,使得分類的數(shù)字鑰匙滿足使用要求,同時還可有效應(yīng)對不斷增加的分類需求,降低標定工作量,減少標定成本。
1.一種基于親和力聚類的數(shù)字鑰匙分類方法,其特征在于,包括:
2.根據(jù)權(quán)利要求1所述的基于親和力聚類的數(shù)字鑰匙分類方法,其特征在于,所述根據(jù)預(yù)處理后的特征數(shù)據(jù)基于親和力聚類算法得到聚類中心以及聚類鄰居,包括:
3.根據(jù)權(quán)利要求2所述的基于親和力聚類的數(shù)字鑰匙分類方法,其特征在于,包括:
4.根據(jù)權(quán)利要求3所述的基于親和力聚類的數(shù)字鑰匙分類方法,其特征在于,確定聚類中心,包括:
5.根據(jù)權(quán)利要求1所述的基于親和力聚類的數(shù)字鑰匙分類方法,其特征在于,所述待分類終端的特征值為藍牙rssi值;
6.根據(jù)權(quán)利要求5所述的基于親和力聚類的數(shù)字鑰匙分類方法,其特征在于,還包括:
7.一種基于親和力聚類的數(shù)字鑰匙分類裝置,其特征在于,包括:
8.根據(jù)權(quán)利要求7所述的基于親和力聚類的數(shù)字鑰匙分類裝置,其特征在于,所述聚類模塊包括:
9.一種電子設(shè)備,其特征在于,包括存儲器以及處理器;
10.一種計算機可讀存儲介質(zhì),其上存儲有計算機程序,其特征在于,該程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-6中任一所述的基于親和力聚類的數(shù)字鑰匙分類方法。