[发明专利]一种基于多核迁移学习的室内人员入侵检测方法

权利要求书

1.一种基于多核迁移学习的室内人员入侵检测方法，其特征在于：包括以下步骤：

步骤一、在环境中布置m个无线接入点(Access Point,AP)和n个监测点(MonitorPoint,MP)；

步骤二、离线阶段，利用在n个MP采集到的来自m个AP的离线接收信号强度(ReceivedSignal Strength,RSS)及对应的标签集构建源域

步骤三：在线阶段，利用n个MP采集到的来自m个AP的在线RSS矩阵及对应的伪标签集构建目标域

步骤四、计算源域与目标域RSS特征混合分布之间的多核最大均值差异(MultipleKernel Maximum Mean Discrepancy，MKMMD)；

步骤五、最小化源域与目标域RSS特征混合分布之间的多核MKMMD，求解最优迁移矩阵；

步骤六、利用迁移之后的源域RSS特征及对应的标签集训练一个分类器，对迁移后的目标域RSS特征进行分类，得到目标域RSS特征对应的新的标签集y_T；

步骤七、将新的标签集赋值给伪标签集；

步骤八、判断算法是否收敛，若是，则执行步骤九；若否，重复步骤四到步骤八；

步骤九、算法结束，得到环境的入侵检测结果。

2.根据权利要求1所述一种基于多核迁移学习的室内人员入侵检测方法，其特征在于：步骤四中，计算源域与目标域RSS特征混合分布之间的多核最大均值差异(MultipleKernel Maximum Mean Discrepancy，MKMMD)，包括以下步骤：

4a、令P(X_S)和P(X_T)分别为源域与目标域RSS特征的边缘分布，计算源域与目标域RSS特征边缘分布之间的多核MKMMD：

其中，为希尔伯特空间，和分别为X_S和X_T的边缘分布为P(X_S)和P(X_T)时的期望运算，为希尔伯特空间中的2-范数运算，φ为将RSS特征矩阵映射到希尔伯特空间的映射函数，将(1)式近似为：

4b、令P(X_S|y_S)和分别为源域和目标域RSS特征的条件分布，计算源域与目标域RSS特征条件分布之间的多核MKMMD：

其中，和分别表示源域和目标域中类别为k的RSS特征向量，和分别表示源域和目标域中第k类的RSS特征向量个数；

4c、计算源域和目标域RSS特征混合分布之间的MKMMD:

4d、将(4)式改写为：

其中，“tr”为对矩阵求迹，的第i行第j列元素为(1≤i≤n_s+n_t；1≤j≤n_s+n_t；x_i,x_j∈X_S∪X_T)，L₀的第i行第j列元素为L_k(1≤k≤K)的第i行第j列元素为

4e、定义核函数其中，f_g为第个核函数，α_g(≥0)且为第g个常系数，G为核函数的个数，令和的第i行第j列元素分别为和

4f、令其中，为迁移矩阵，将(5)式改写为：