[发明专利]一种用于挖掘RFID数据孤立点的方法

说明书

技术领域

本发明涉及射频识别技术和数字处理技术，尤其涉及一种用于挖掘RFID数据孤立点的方法。

背景技术

在RFID应用领域中RFID数据孤立点的检测具有很深远的意义，因为挖掘出孤立点所隐藏的信息，有助于找到提高标签识别率的方法以及改善作业流程。而目前主要有基于统计学分布、基于距离、基于密度、基于特征等方法用于RFID数据孤立点的挖掘，但是采用这些方法对海量的RFID数据进行孤立点的挖掘，其效果差，处理效率低以及对边界点难以判别，而且由于RFID是通过无线电磁进行传输，因此在标签的读取过程中容易读取到噪声，或者漏读、冗余读、错读等等，这样更加增大挖掘孤立点的难度。

发明内容

为了解决上述技术问题，本发明的目的是提供一种准确度高以及数据处理效率高的用于挖掘RFID数据孤立点的方法。

本发明所采用的技术方案是：一种用于挖掘RFID数据孤立点的方法，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。

进一步，所述步骤B中采用哈希表对获取的原始RFID数据进行聚类。

进一步，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。

进一步，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。

进一步，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。

进一步，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。

进一步，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。

进一步，所述步骤D4中计算RFID数据点的密度权值的公式如下，

w=1-KNNdistKNNmax dist]]>

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。

进一步，所述步骤D6中计算每个RFID数据点的孤立系数的公式如下，