一种改进随机森林的WiFi指纹定位方法及装置制造方法及图纸

本发明专利技术提供一种改进随机森林的WiFi指纹定位方法及装置，所述方法的步骤包括：获取预训练的随机森林模型，获取所述随机森林模型中决策树的决策树参数；基于所述决策树中每两个节点的决策树参数计算两个决策树的相似度，基于相似度确定两个决策树是否为同一类别的决策树；基于决策树参数计算同一类别的每个决策树的定量计算参数，基于所述定量计算参数确定每个类别的标准决策树，在所述随机森林模型中删除所述标准决策树外的其他决策树，更新所述随机森林模型；接收WiFi指纹数据，将所述WiFi指纹数据输入更新后的所述随机森林模型中，得到定位结果。本方案对同一类别的决策树进行合并，解决了随机森林模型存在部分决策树导致模型精度变低的问题。型精度变低的问题。型精度变低的问题。

【技术实现步骤摘要】
一种改进随机森林的WiFi指纹定位方法及装置


[0001]本专利技术涉及WiFi定位
，尤其涉及一种改进随机森林的WiFi指纹定位方法及装置。

技术介绍

[0002]随着智能手机的普及，基于位置服务(Location Based Services，LBS)的应用在日常生活中备受备受关注，高精度的室内定位技术已经成为现阶段的研究热点。目前，国内外研究者们提出了蓝牙、WiFi、RFID和超宽带(UltraWide Band，UWB)等室内定位技术。但是，不同的定位技术因其定位范围、定位精度和设备部署等方面的局限有着不同的应用场景。
[0003]基于WiFi的定位技术具有设备部署成本低，定位成本低，定位信号收发范围大，适用性强等优势，现有技术存在众多基于WiFi的室内定位方法。WiFi室内定位技术已经出现了具有代表性的研究成果，如RADAR系统、Nibble系统和Weyes系统等室内定位系统。目前常用的基于WiFi的指纹定位方法往往通过接收信号强度和基本服务集标识符等特征构建WiFi指纹库，使用机器学习的模型，如随机森林，SVM和决策树等，进行室内位置感知；
[0004]现有技术使用的随机森林模型进行WiFi室内定位通常需要在随机森林模型中建立较大数量的决策树以确保模型精度，但是在众多决策树中往往存在多样性，因此，存在部分决策树导致模型精度变低。

技术实现思路

[0005]鉴于此，本专利技术的实施例提供了一种改进随机森林的WiFi指纹定位方法，以消除或改善现有技术中存在的一个或更多个缺陷。
[0006]本专利技术的一个方面提供了一种改进随机森林的WiFi指纹定位方法，所述方法的步骤包括：
[0007]获取预训练的随机森林模型，获取所述随机森林模型中决策树的决策树参数；
[0008]基于所述决策树中每两个节点的决策树参数计算两个决策树的相似度，基于相似度确定两个决策树是否为同一类别的决策树；
[0009]基于决策树参数计算同一类别的每个决策树的定量计算参数，基于所述定量计算参数确定每个类别的标准决策树，在所述随机森林模型中删除所述标准决策树外的其他决策树，更新所述随机森林模型；
[0010]接收WiFi指纹数据，将所述WiFi指纹数据输入更新后的所述随机森林模型中，得到定位结果。
[0011]采用上述方案，本方案通过决策树中每个节点的决策树参数确定两个决策树的相似度，基于相似度确定同一类别的决策树，对同一类别的决策树进行合并，合并后的随机森林模型在减少了决策树个数的同时，提高了决策树精度，即在降低计算量的同时提高了定位精度，解决了训练后的随机森林模型存在部分决策树导致模型精度变低的问题。
[0012]在本专利技术的一些实施方式中，基于所述决策树中每两个节点的决策树参数计算两个决策树的相似度的步骤包括：
[0013]基于两个所述决策树中对应位置的两个节点的决策树参数，确定两个决策树中相似的节点；
[0014]基于两个决策树中相似的节点进行定性计算，得到两个决策树的定性相似度参数；
[0015]获取两个决策树中相似的节点的决策树参数，基于两个决策树中相似的节点的决策树参数进行定量计算，得到两个决策树的定量相似度参数；
[0016]基于两个决策树的所述定性相似度参数和定量相似度参数计算两个决策树的相似度。
[0017]在本专利技术的一些实施方式中，WiFi场景中包括多个用于定位的WiFi信号点，所述决策树的每个节点均用于判定一个WiFi信号点，在基于两个所述决策树中对应位置的两个节点的决策树参数，确定两个决策树中相似的节点的步骤中，从两个所述决策树的根节点开始比对，若对应位置的两个节点所判定的WiFi信号点为同一个信号点，则两个节点为相似节点，并继续对比对应位置的下游节点；若对应位置的两个节点所判定的WiFi信号点为不同的信号点，则两个节点不为相似节点，并停止对比对应位置的下游节点。
[0018]在本专利技术的一些实施方式中，在基于两个决策树中相似的节点进行定性计算，得到两个决策树的定性相似度参数的步骤中，获取两个决策树中相似的节点的数量，基于两个决策树中各自的节点总数量和两个决策树中相似的节点的数量计算两个决策树之间的定性相似度参数。
[0019]在本专利技术的一些实施方式中，在基于两个决策树中各自的节点总数量和两个决策树中相似的节点的数量计算两个决策树的定性相似度参数的步骤中，基于如下公式计算两个决策树的定性相似度参数：
[0020][0021]其中，q1表示两个决策树之间的定性相似度参数，N
L
表示两个决策树中相似的节点的数量，N1决策树1中节点的总数量，N2决策树2中节点的总数量。
[0022]在本专利技术的一些实施方式中，所述决策树参数包括每个节点在训练过程中的均方误差参数，在基于两个决策树中相似的节点的决策树参数进行定量计算，得到两个决策树的定量相似度参数的步骤中，根据如下公式计算两个决策树之间的定量相似度参数：
[0023][0024]其中，q2表示两个决策树之间的定量相似度参数，N
L
表示两个决策树中相似的节点的数量，sq1表示决策树1中根节点的均方误差参数，表示决策树1中与决策树2相似的节点中第i个节点的均方误差参数，表示决策树2中与决策树1相似的节点中第i个节点的均方误差参数。
[0025]在本专利技术的一些实施方式中，获取所述决策树的每个节点在训练过程中全部输入
数据的坐标参数，计算每个节点在训练过程中全部输入数据的坐标参数的平均值坐标，基于平均值计算每个节点在训练过程中全部输入数据的坐标参数的均方误差。
[0026]在本专利技术的一些实施方式中，在基于决策树参数计算同一类别的每个决策树的定量计算参数，基于所述定量计算参数确定每个类别的标准决策树的步骤中，根据如下公式计算每个决策树的定量计算参数：
[0027][0028]其中，D表示决策树的定量计算参数，N
δ
表示决策树的节点总数，m
j
表示决策树的第j个节点的均方误差参数，sq表示决策树的根节点的均方误差参数。
[0029]在本专利技术的一些实施方式中，在基于两个决策树的所述定性相似度参数和定量相似度参数计算两个决策树的相似度的步骤中，根据如下公式计算两个决策树的相似度：
[0030]Q＝αq1+βq2；
[0031]其中，Q表示决策树的相似度，q1表示两个决策树之间的定性相似度参数，q2表示两个决策树之间的定量相似度参数，α为预设的定性相似度参数的权重参数，β为预设的定量相似度参数的权重参数。
[0032]本专利技术的第二方面还提供一种改进随机森林的WiFi指纹定位装置，该装置包括计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该装置实现如前所述方法所实现的步骤。
[0033]本专利技术的第三方面还提供一种计算机可读存储本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进随机森林的WiFi指纹定位方法，其特征在于，所述方法的步骤包括：获取预训练的随机森林模型，获取所述随机森林模型中决策树的决策树参数；基于所述决策树中每两个节点的决策树参数计算两个决策树的相似度，基于相似度确定两个决策树是否为同一类别的决策树；基于决策树参数计算同一类别的每个决策树的定量计算参数，基于所述定量计算参数确定每个类别的标准决策树，在所述随机森林模型中删除所述标准决策树外的其他决策树，更新所述随机森林模型；接收WiFi指纹数据，将所述WiFi指纹数据输入更新后的所述随机森林模型中，得到定位结果。2.根据权利要求1所述的改进随机森林的WiFi指纹定位方法，其特征在于，基于所述决策树中每两个节点的决策树参数计算两个决策树的相似度的步骤包括：基于两个所述决策树中对应位置的两个节点的决策树参数，确定两个决策树中相似的节点；基于两个决策树中相似的节点进行定性计算，得到两个决策树的定性相似度参数；获取两个决策树中相似的节点的决策树参数，基于两个决策树中相似的节点的决策树参数进行定量计算，得到两个决策树的定量相似度参数；基于两个决策树的所述定性相似度参数和定量相似度参数计算两个决策树的相似度。3.根据权利要求2所述的改进随机森林的WiFi指纹定位方法，其特征在于，WiFi场景中包括多个用于定位的WiFi信号点，所述决策树的每个节点均用于判定一个WiFi信号点，在基于两个所述决策树中对应位置的两个节点的决策树参数，确定两个决策树中相似的节点的步骤中，从两个所述决策树的根节点开始比对，若对应位置的两个节点所判定的WiFi信号点为同一个信号点，则两个节点为相似节点，并继续对比对应位置的下游节点；若对应位置的两个节点所判定的WiFi信号点为不同的信号点，则两个节点不为相似节点，并停止对比对应位置的下游节点。4.根据权利要求2所述的改进随机森林的WiFi指纹定位方法，其特征在于，在基于两个决策树中相似的节点进行定性计算，得到两个决策树的定性相似度参数的步骤中，获取两个决策树中相似的节点的数量，基于两个决策树中各自的节点总数量和两个决策树中相似的节点的数量计算两个决策树的定性相似度参数。5.根据权利要求4所述的改进随机森林的WiFi指纹定位方法，其特征在于，在基于两个决策树中各自的节点总数量和两个决策树中相似的节点的数量计算两个决策树的定性相似度参数的步骤中，基于如下公式计算两个决策树的定性相似度参数：其中，q1表示两个决策树的定...

【专利技术属性】
技术研发人员：邓中亮，张英建，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：