[发明专利]一种基于被动式WiFi与深度聚类的用户画像构建方法及系统

权利要求书

1.一种基于被动式WiFi与深度聚类的用户画像构建系统，其特征在于，包括：多个WiFi探测器、一个用于数据处理训练的服务器、一个存储数据的数据库。

2.一种基于被动式WiFi与深度聚类的用户画像构建方法，其特征在于，在室内场所适当位置放置若干个WiFi探测器，并根据室内场所的空间布局将其划分为N个区域；通过WiFi探测器获取N个区域当中个体所携带的智能手机的人流数据，并通过有线或无线网络传输并保存在服务器的关系型数据库中；所述服务器通过深度学习模型对人流数据进行聚类分析，并对用户的行为轨迹进行分类，构建用户的典型画像。

3.根据权利要求2所述的一种基于被动式WiFi与深度聚类的用户画像构建方法，其特征在于，所述人流数据包括：MAC地址、个体的(X，Y)位置数据；其中，每个MAC地址分别对应一个个体，即统计得多少个MAC地址就相当于有多少个体；个体的(X，Y)位置数据通过探测手机设备的RSSI值获取。

4.根据权利要求3所述的一种基于被动式WiFi与深度聚类的用户画像构建方法，其特征在于，所述WiFi探测器通过收发数据服务器，采用UDP通讯获取MAC地址、个体的(X，Y)位置数据，并上传至所述服务器。

5.根据权利要求3所述的一种基于被动式WiFi与深度聚类的用户画像构建方法，其特征在于，所述深度学习模型采用K-means聚类模型。

6.根据权利要求5所述的一种基于被动式WiFi与深度聚类的用户画像构建方法，其特征在于，所述K-means聚类模型通过如下步骤完成聚类分析：

步骤S1：随机选择k个对象，每个对象初始地代表一个簇的平均值或者中心；对于剩余的每个对象，根据其到各个簇中心的距离，把它们分给距离最小的簇中心，然后重新计算每个簇的平均值；重复这个过程，直到聚类准则函数收敛；

步骤S2：针对包含n个MAC地址对应的用户行为轨迹的数据集合D以及初始化的聚类数目k，从数据集合D中随机选择k个对象作为初始簇中心；

步骤S3：根据簇的中心值，把数据集合中的n个对象全部分给符合预设距离范围的簇；

步骤S4：更新簇的中心值，即重新计算每个簇的中心值；

步骤S5：计算准则函数；

步骤S6：若准则函数满足预设阈值，则退出；否则，返回步骤S2；

步骤S7：通过循环往复上述步骤，将每个MAC地址对应的用户行为轨迹进行聚类分析，得到分类结果，从而得到典型的用户画像。

7.根据权利要求6所述的一种基于被动式WiFi与深度聚类的用户画像构建方法，其特征在于，所述所述准则函数采用全局误差函数或前后两次中心误差变化；

所述全局误差函数为：

所述前后两次中心误差变化为：

其中，E代表误差，k代表k个聚类中心，i代表第i个聚类，x_j代表第j个样本，S_i代表第i个聚类的样本集合，u_i代表第i个均值向量，u_ib是群组i的前一次重心，u_ia是群组i的后一次重心。