[发明专利]一种基于智能神经网络的终端跟踪方法及系统

说明书

技术领域

本申请涉及智能终端技术领域，尤其涉及终端跟踪方法及系统。

背景技术

随着通信技术的飞速发展，人们的生活、工作等与移动终端(例如，电子设备)息息相关。目前，针对移动终端的运动状态复杂多变的状态，普遍采用数学建模的方式解决终端跟踪问题，然而，数学模型的不准确性，以及计算的复杂性，往往不能准确反映移动终端的运动规律，降低终端跟踪的精度。

因此，期望提供一种终端跟踪方法及系统，通过向智能神经网络系统输入终端的运动状态数据，输出经纬度数据，将经纬度数据转为地点位置，实现终端的跟踪，提高终端跟踪的精度。

发明内容

根据本申请的一些实施例的第一方面，提供了一种终端跟踪方法，应用于终端(例如，电子设备等)中，所述方法可以包括：获取最优智能神经网络系统；获取终端运动状态数据；向所述最优智能神经网络系统，输入所述运动状态数据；输出所述终端的经纬度数据；将所述经纬度数据转为地点位置；根据所述地点位置，跟踪所述终端。

在一些实施例中，所述方法可以进一步包括：预处理所述运动状态数据，得到所述最优智能神经网络系统的适配数据；输出所述终端的结果数据；后处理所述结果数据，以输出所述终端的经纬度数据。

在一些实施例中，所述获取最优智能神经网络系统进一步包括：创建智能神经网络系统；

获取终端运动的历史数据；根据所述历史数据，训练所述智能神经网络；判断所述智能神经网络系统误差是否趋于稳定，所述趋于稳定的系统误差为系统稳定误差；若是，生成最优智能神经网络系统。

在一些实施例中，所述方法可以进一步包括：若否，判断是否达到预设训练次数；若是，生成最优智能神经网络系统；若否，返回训练所述智能神经网络。

在一些实施例中，所述方法可以进一步包括：预处理所述历史数据，得到所述智能神经网络的适配数据。

在一些实施例中，所述智能神经网络包括输入层、输出层、一个或多个隐含层，所述输入层、输出层、隐含层包括一个或多个神经元，所述训练所述智能神经网络进一步包括：初始化所述神经元之间的网络连接的权重；输入一组历史数据训练样本；所述隐含层神经元通过输出层输出结果数据；反向传递网络训练误差，所述误差包括所述结果数据与所述历史数据的误差，所述反向传递包括从输出层经隐含层向输入层的传递；根据所述误差，修正隐含层神经元与输出层神经元之间的网络连接的权重，以及输入层神经元与隐含层神经元之间的网络连接的权重。

在一些实施例中，所述方法可以进一步包括：获取所述终端的多组经纬度数据；将所述多组经纬度数据转为多个地点位置；连接所述多个地点位置，得到所述终端的运动轨迹。

在一些实施例中，所述运动状态数据包括所述终端的移动速度、移动方向。

在一些实施例中，所述方法可以进一步包括：建立所述终端的移动速度、移动方向与经纬度的映射关系。

根据本申请的一些实施例的第二方面，提供了一个系统，包括：一个存储器，被配置为存储数据及指令；一个与存储器建立通信的处理器，其中，当执行存储器中的指令时，所述处理器被配置为：获取最优智能神经网络系统；获取终端运动状态数据；向所述最优智能神经网络系统，输入所述运动状态数据；输出所述终端的经纬度数据；将所述经纬度数据转为地点位置；根据所述地点位置，跟踪所述终端。

因此，根据本申请的一些实施例的终端跟踪方法及系统，通过向智能神经网络系统输入终端的运动状态数据，输出经纬度数据，将经纬度数据转为地点位置，实现终端的跟踪，提高终端跟踪的精度。

附图说明

为更好地理解并阐述本申请的一些实施例，以下将结合附图参考实施例的描述，在这些附图中，同样的数字编号在附图中指示相应的部分。

图1是根据本申请的一些实施例提供的网络环境系统的示例性示意图。

图2是根据本申请的一些实施例提供的电子设备功能配置的示例性单元示意图。

图3是根据本申请的一些实施例提供的生成智能神经网络系统方法的示例性流程图。

图4是根据本申请的一些实施例提供的终端跟踪方法的示例性流程图。

图5是根据本申请的一些实施例提供的三层智能神经网络的终端运动模型设计图。

具体实施方式