[发明专利]基于流形学习的指纹库自更新方法和装置有效
| 申请号： | 201310386266.X | 申请日： | 2013-08-30 |
| 公开（公告）号： | CN104424276B | 公开（公告）日： | 2017-12-01 |
| 发明（设计）人： | 刘源;孙智强;邵齐海;罗智勇 | 申请（专利权）人： | 中国电信集团公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;H04W64/00;G06F21/32 |
| 代理公司： | 中国国际贸易促进委员会专利商标事务所11038 | 代理人： | 许蓓 |
| 地址： | 100033 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 流形 学习 指纹 更新 方法 装置 | ||
1.一种基于流形学习的指纹库自更新方法，包括：
基于流形学习技术将高维信号向量空间的数据点映射为低维位置空间对应的数据点，其中，所述高维信号向量空间的数据点包括无标记数据，无标记数据是指未经用户确认位置的位置点的信号向量；
从低维位置空间的数据点中筛选出可信数据点；
基于可信数据点预测出其他位置的数据点；
将低维位置空间中预测出的数据点映射为高维信号向量空间的数据点；
根据可信数据点对应的高维信号向量空间的数据点以及映射得到的高维信号向量空间的数据点更新指纹库。
2.根据权利要求1所述的方法，其特征在于，所述基于流形学习技术将高维信号向量空间的数据点映射为低维位置空间对应的数据点包括：
在高维信号向量空间的数据点中寻找其中任意第一数据点的预设数量的邻居数据点；
由邻居数据点构造邻接图，并计算邻接图的邻接矩阵；
根据邻接矩阵将高维信号向量空间的第一数据点映射为低维位置空间对应的数据点。
3.根据权利要求1所述的方法，其特征在于，所述从低维位置空间的数据点中筛选出可信数据点包括：
通过粗大误差滤除方法或者距离阈值过滤方法从低维位置空间的数据点中筛选出可信数据点。
4.根据权利要求1所述的方法，其特征在于，所述基于可信数据点预测出其他位置的数据点包括：
采用数据插值方法或者高斯过程方法，基于可信数据点预测出其他位置的数据点。
5.根据权利要求1所述的方法，其特征在于，所述高维信号向量空间的数据点还包括标记数据，标记数据是指经用户确认位置的位置点的信号向量。
6.一种基于流形学习的指纹库自更新装置，包括：
第一映射单元，用于基于流形学习技术将高维信号向量空间的数据点映射为低维位置空间对应的数据点，其中，所述高维信号向量空间的数据点包括无标记数据，无标记数据是指未经用户确认位置的位置点的信号向量；
筛选单元，用于从低维位置空间的数据点中筛选出可信数据点；
预测单元，用于基于可信数据点预测出其他位置的数据点；
第二映射单元，用于将低维位置空间中预测出的数据点映射为高维信号向量空间的数据点；
更新单元，用于根据可信数据点对应的高维信号向量空间的数据点以及映射得到的高维信号向量空间的数据点更新指纹库。
7.根据权利要求6所述的装置，其特征在于，所述第一映射单元，具体用于
在高维信号向量空间的数据点中寻找其中任意第一数据点的预设数量的邻居数据点；
由邻居数据点构造邻接图，并计算邻接图的邻接矩阵；
根据邻接矩阵将高维信号向量空间的第一数据点映射为低维位置空间对应的数据点。
8.根据权利要求6所述的装置，其特征在于，所述筛选单元，具体用于
通过粗大误差滤除方法或者距离阈值过滤方法从低维位置空间的数据点中筛选出可信数据点。
9.根据权利要求6所述的装置，其特征在于，所述预测单元，具体用于
采用数据插值方法或者高斯过程方法，基于可信数据点预测出其他位置的数据点。
10.根据权利要求6所述的装置，其特征在于，所述高维信号向量空间的数据点还包括标记数据，标记数据是指经用户确认位置的位置点的信号向量。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国电信集团公司，未经中国电信集团公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201310386266.X/1.html，转载请声明来源钻瓜专利网。
