【技术实现步骤摘要】
样本集构建、室内定位模型构建、室内定位方法和装置
[0001]本专利技术涉及计算机
,尤其涉及一种样本集构建方法、室内定位模型构建方法、室内定位方法和装置。
技术介绍
[0002]目前,一般基于样本集中的样本数据,采用机器学习方法构建出室内定位模型,并依据该构建出的室内定位模型,进行室内定位。如,依据构建出的室内定位模型,对室内运行的机器人进行定位或者规划行驶路线等。
[0003]在实现本专利技术过程中,专利技术人发现现有技术中至少存在如下问题:
[0004]由于室内环境复杂度越来越大,样本集中脏数据的量越来越大,如何有效地去除样本集中的脏数据是需要解决的问题。
技术实现思路
[0005]有鉴于此,本专利技术实施例提供一种样本集构建、室内定位模型构建、室内定位方法和装置,能够有效地去除样本集中的脏数据。
[0006]为实现上述目的,根据本专利技术实施例的一个方面,提供了一种样本集构建方法,包括:
[0007]获取已知参考点的多个信号强度;
[0008]根据所述多个信号强度,确定高概率发生区间;
[0009]从所述多个信号强度中,选取属于所述高概率发生区间的信号强度;
[0010]利用属于所述高概率发生区间的信号强度,为所述已知参考点生成对应的样本数据;
[0011]利用多个所述已知参考点对应的样本数据,构建样本集。
[0012]优选地,
[0013]当所述多个信号强度来源于至少两个信号源,且每一个所述信号源对应多个信 ...
【技术保护点】
【技术特征摘要】
1.一种样本集构建方法,其特征在于,包括:获取已知参考点的多个信号强度;根据所述多个信号强度,确定高概率发生区间;从所述多个信号强度中,选取属于所述高概率发生区间的信号强度;利用属于所述高概率发生区间的信号强度,为所述已知参考点生成对应的样本数据;利用多个所述已知参考点对应的样本数据,构建样本集。2.根据权利要求1所述样本集构建方法,其特征在于,当所述多个信号强度来源于至少两个信号源,且每一个所述信号源对应多个信号强度时,针对每一个所述信号源对应的多个信号强度,执行确定高概率发生区间的步骤。3.根据权利要求2所述样本集构建方法,其特征在于,为所述已知参考点生成对应的样本数据,包括:针对来源于同一信号源且的属于所述高概率发生区间的多个信号强度,执行:计算所述多个信号强度的平均值,将所述平均值作为所述已知参考点对应的样本数据;或者,针对属于所述高概率发生区间的信号强度,执行:计算每两个所述信号源之间的信号强度差,将所述信号强度差作为所述已知参考点的样本数据。4.根据权利要求1或2所述样本集构建方法,其特征在于,进一步包括:从多个所述已知参考点中,为未知参考点选定满足预设间距阈值的多个目标已知参考点;为每一个所述目标已知参考点分配对应的权重;利用所述权重以及所述目标已知参考点对应的样本数据,为所述未知参考点计算对应的样本数据;将所述未知参考点对应的样本数据添加到所述样本集中。5.一种室内定位模型构建方法,其特征在于,包括:获取样本集,其中,所述样本集由多个样本数据构建,所述样本数据由属于高概率发生区间的信号强度生成;利用所述样本集,迭代训练支持向量机,构建出室内定位模型。6.根据权利要求5所述室内定位模型构建方法,其特征在于,进一步包括:为支持向量机中的参数设置有对应的第一取值范围;在所述第一取值范围内,随机为支持向量机分配初始参数;基于所述初始参数,执行所述迭代训练支持向量机的步骤。7.根据权利要求6所述室内定位模型构建方法,其特征在于,进一步包括:为支持向量机的参数设置有迭代步长;所述迭代训练支持向量机的步骤包括:从第二次迭代开始,将每一次迭代作为当前迭代,执行:确定所述当前迭代对应的上一迭代对应的参数;为所述上一迭代对应的参数增加或减少所述迭代步长,作为所述当前迭代的参数;基于所述当前迭代的参数,训练所述支持向量机;
当训练的结果满足预设的第一终止条件时,则终止迭代。8.根据权利要求5或7所述室内定位模型构建方法,其特征在于,进一步包括:为支持向量机中的参数设置有对应的第二取值范围;在所述第二取值范围内初始化烟花种群;所述迭代训练支持向量机的步骤包括:针对每一次迭代,执行:确定烟花种群,确定所述烟花种群中的烟花的爆炸火花和变异火花;计算所述爆炸火花和所述变异火花的适应度;判断当前迭代的结果是否满足第二终止条件,如果是,则将适应度最小的爆炸火花或适应度最小的变异火花作为训练结果...
【专利技术属性】
技术研发人员:白振东,
申请(专利权)人:北京京东世纪贸易有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。