[发明专利]一种用于挖掘RFID数据孤立点的方法

权利要求书

1.一种用于挖掘RFID数据孤立点的方法，其特征在于：该方法步骤包括：

A、从中间件获取原始RFID数据；

B、对获取的原始RFID数据进行聚类后压缩；

C、通过RFID读取特征，使压缩后的原始RFID数据以三元组方式作为RFID数据点在读取特征向量空间进行RFID数据孤立点的挖掘；

D、采用基于权值的反向最近邻算法对RFID数据点进行数据处理，进而输出RFID数据孤立点。

2.根据权利要求1所述一种用于挖掘RFID数据孤立点的方法，其特征在于：所述步骤B中采用哈希表对获取的原始RFID数据进行聚类。

3.根据权利要求1或2所述一种用于挖掘RFID数据孤立点的方法，其特征在于：所述步骤B包括：

B1、对获取的原始RFID数据利用哈希表进行聚类；

B2、根据原始RFID数据判断该标签是否已存在哈希表，若存在，则增加该标签的读写次数，更新最近读取时间，并计算当前的读取信号强度；若不存在，则将该标签插入哈希表中，并记录读取记录以及该标签的读取信号强度和首次读取时间。

4.根据权利要求1所述一种用于挖掘RFID数据孤立点的方法，其特征在于：所述步骤C中所述的RFID读取特征包括标签的读取时间间隔、标签在读取时间间隔内的读取次数以及标签的平均信号读取强度。

5.根据权利要求1所述一种用于挖掘RFID数据孤立点的方法，其特征在于：所述步骤D包括：

D1、计算两两RFID数据点之间的距离，进而生成距离矩阵；

D2、根据距离矩阵以及预设的K值，采用K最近邻分类计算每个RFID数据点的K最近邻居集合； 

D3、计算每个RFID数据点的平均距离；

D4、选取平均距离最大的RFID数据点后根据平均距离最大的RFID数据点进而计算RFID数据点的密度权值；

D5、采用反向K最近邻分类计算每个RFID数据点的反向K最近邻居集合，每个RFID数据点的反向K最近邻居集合由包含该RFID数据点的K最近邻居集合组成；

D6、计算每个RFID数据点的孤立系数后对每个RFID数据点的孤立系数进行排序，进而按照预设的百分比输出RFID数据孤立点。

6.根据权利要求5所述一种用于挖掘RFID数据孤立点的方法，其特征在于：所述步骤D2，根据距离矩阵以及预设的K值，采用K最近邻分类计算每个RFID数据点的K最近邻居集合，其具体为，

根据距离矩阵以及预设的K值，分别计算每个RFID数据点的与其本身距离最近的K个RFID数据点，而计算出的K个RFID数据点则组成K最近邻居集合。

7.根据权利要求5所述一种用于挖掘RFID数据孤立点的方法，其特征在于：所述步骤D3，计算每个RFID数据点的平均距离，其具体为，分别计算每个RFID数据点与其K最近邻居集合中的所有RFID数据点的距离的平均值。

8.根据权利要求5所述一种用于挖掘RFID数据孤立点的方法，其特征在于：所述步骤D4中计算RFID数据点的密度权值的公式如下，

上述KNN_maxdist表示RFID数据点的平均距离中最大的平均距离，KNN_dist表示RFID数据点的平均距离。

9.根据权利要求8所述一种用于挖掘RFID数据孤立点的方法，其特征在于：所述步骤D6中计算每个RFID数据点的孤立系数的公式如下，

上述公式的分母表示RFID数据点的反向K最近邻居集合中所有元素的密度权值总和，分母中m表示RFID数据点的反向K最近邻居集合中的元素个数。

10.根据权利要求9所述一种用于挖掘RFID数据孤立点的方法，其特征在于：所述步骤D6中输出孤立点的个数为孤立系数最高的前n*pct%个，所述n表示RFID数据点的总个数，pct%表示预设的百分比。