[发明专利]一种基于小样本迭代迁移的室内入侵检测方法

权利要求书

1.一种基于小样本迭代迁移的室内入侵检测方法，其特征在于：包括以下步骤：

步骤一、选择待检测目标区域，在目标区域中布置m个无线接入点(Access Point,AP)和n个监测点(Monitor Point,MP)；

步骤二、构建离线数据库，具体包括以下步骤：

2a、采集静默接收信号强度(Received Signal Strength,RSS)其中表示在第i个MP接收到的来自m个AP的静默RSS，表示在第i个MP接收到的来自第j个AP的静默RSS；

2b、采集入侵RSS数据其中表示在第i个MP接收到的来自m个AP的入侵RSS，表示在第i个MP接收到的来自第j个AP的入侵RSS；

2c、采用窗长为L的滑窗对第 i 个 MP 的 RSS 数据 进行处理，对一个窗长内的RSS数据提取六个特征，分别为均值、方差、最大值、最小值、最大值与最小值的差、滑窗内出现概率最高的值，得到第i个MP的特征矩阵且

步骤三、构建源域其中为特征对应的标签，静默RSS数据对应的标签为0，入侵RSS数据对应的标签为1；

步骤四、采集第j个MP的在线RSS数据，其中为在第j个MP接收到的来自第i个AP的RSS数据，采用窗长为L的滑窗对其进行处理，对一个窗长内的数据提取六个特征，分别为均值、方差、最大值、最小值、最大值与最小值的差、滑窗内出现概率最高的值，得到第j个MP的特征矩阵且

步骤五、对在线采集RSS数据的特征进行初步分类，具体步骤如下：

5a、取出源域RSS的第i行RSS数据x_i，剩余RSS数据构成依次取出第一行RSS到第n_s行RSS，可以得到用1≤i≤n_s，训练一个分类器，则共有n_s个分类器，利用这n_s个分类器对目标域RSS数据中的第i行RSSx_i进行分类，共有n_s个分类结果若g₁＝g₂＝…＝g_num且num/n_s≥rate，则x_i伪标签为g₁，否则其标签为-1；

5b、标签为-1的RSS为剩余RSS，用表示，其他为候选RSS，用表示，候选RSS对应的伪标签集为

步骤六、构建目标域x_t＝x_can，x_can为候选RSS，为候选RSS对应的伪标签集；

步骤七、对源域RSS与目标域RSS进行类内迁移，计算使源域RSS与目标域RSS间的最大均值差异(Maximum Mean Discrepancy,MMD)距离最小的迁移矩阵W，具体包括以下步骤：

7a、根据源域RSS与目标域RSS的标签，将源域与目标域中标签相同的RSS分为一类，共分为C类，计算源域RSSx_s与目标域RSSx_t的MMD距离：

其中，为源域RSS中属于第c类的RSS，为的行数，x_i为的第i行元素；为候选RSS中属于第c类的RSS，为的行数，x_j为的第j行元素；表示希尔伯特空间，φ(·)表示将原始RSS映射到希尔伯特空间的一个映射；

7b、定义一个核矩阵K_ij＝φ(x_i)^Tφ(x_j)，其中x_i为x_s的第i行RSS，x_j为x_t的第j行RSS；

7c、定义类间MMD矩阵L_c，L_c中的元素定义为：

7d、将源域与目标域RSS的MMD距离改写为

其中，为迁移矩阵，q＜p为迁移之后RSS数据的维度，KW为迁移之后的源域与目标域RSS；

7e、最小化源域RSS与目标域RSS之间的MMD距离：

其中I为单位矩阵，H＝I-1/(n_s+n_t)ee^T，e为全1的列向量，tr(W^TW)为正则项，控制W的复杂度，W^TKHK^TW＝I用来保持原始数据的特性；

7f、令其中Z为拉格朗日乘子，对上式关于W求偏导并令可得

则W即由的q个非零最小广义特征值所对应的特征向量构成；

步骤八、用迁移之后的源域RSS，即KW的第一行到第n_s行RSS，与标签集y_s训练一个分类器，然后对迁移之后的目标域RSS，即KW的第n_s+1行到第n_t行RS进行分类，得到新的标签集y_t；

步骤九、用目标域RSSx_t与标签集y_t训练一个分类器，然后对剩余RSSx_res进行分类，得到标签集y_res；将剩余RSSx_res加入到目标域RSSx_t中，并且将剩余RSS的标签集y_res加入到目标域RSS对应的标签集y_t中，从而更改目标域

步骤十、重复步骤七与步骤八，得到新的标签集y_t；

步骤十一、判断算法是否收敛，若是，则进入步骤十二；若否，则更新目标域，返回步骤十；

步骤十二、算法结束，返回最终目标域RSS对应的标签集y_t。