[发明专利]基于特征迁移的动态环境下的室内定位方法、装置及可读介质

权利要求书

1.一种基于特征迁移的动态环境下的室内定位方法，其特征在于，包括以下步骤：

S1，获取第一源域数据和第一目标域数据，根据所述第一源域数据和第一目标域数据组成的输入数据矩阵计算得到第二源域数据和第二目标域数据之间的边缘概率分布差异，根据每一类别的第一源域数据和第一目标域数据计算得到第二源域数据和第二目标域数据之间的条件概率分布差异，根据第一源域数据和第一目标域数据整体之间的距离以及所述第一源域数据和第一目标域数据中每个类别数据之间的距离计算得到动态平衡因子；

S2，根据所述边缘概率分布差异、条件概率分布差异和动态平衡因子确定数据整体特征分布适配优化目标；

S3，根据所述第一源域数据分别计算第二源域数据中同一类数据的类内距离和第二源域数据中不同类数据的类间距离，根据所述类内距离和类间距离确定数据局部几何特性保留优化目标；

S4，根据所述数据整体特征分布适配优化目标和数据局部几何特性保留优化目标构造得到总优化目标，根据所述总优化目标求解得到映射矩阵，通过所述映射矩阵实现定位。

2.根据权利要求1所述的基于特征迁移的动态环境下的室内定位方法，其特征在于，所述步骤S1中根据所述第一源域数据和第一目标域数据组成的输入数据矩阵计算得到第二源域数据和第二目标域数据之间的边缘概率分布差异，具体包括：

根据MMD计算得到边缘概率分布差异，公式如下：

其中，表示再生希尔伯特空间，M是映射矩阵，M^T表示映射矩阵的转置矩阵，X＝[X_src,X_tar]表示由第一源域X_src和第二目标域数据X_tar组成的输入数据矩阵，表示第一源域X_src中的第i个数据，表示第二目标域数据X_tar中的第j个数据，n_s和n_t分别表示第一源域数据的数量和第一目标域数据的数量，tr(·)表示对矩阵求迹，为MMD矩阵，采用如下方式构造：

3.根据权利要求1所述的基于特征迁移的动态环境下的室内定位方法，其特征在于，所述步骤S1中根据每一类别的第一源域数据和第一目标域数据计算得到第二源域数据和第二目标域数据之间的条件概率分布差异，具体包括：

使用第一源域数据训练分类器，得到经训练的分类器，将所述第一目标域数据输入所述经训练的分类器，得到所述第一目标域数据对应的类别；

使用类条件概率分布的充分统计量来近似替代条件概率分布，从而计算第二源域数据和第二目标域数据之间的条件概率分布，公式如下：

其中，y_src＝c表示第一源域数据的类别为c，y_tar＝c表示第一目标域数据的类别为c，c∈{1,2,…,C}表示标签的类别；

根据MMD计算条件概率分布差异，公式如下：

表示第一源域数据中类别为c的样本，表示第一目标域数据中类别为c的样本，和分别表示第一源域数据和第二源域数据中类别为c的样本的数量，为权值矩阵，采用如下方式构造：

其中，与分别表示第一源域数据和第一目标域数据上的类别为c的先验类概率。

4.根据权利要求1所述的基于特征迁移的动态环境下的室内定位方法，其特征在于，所述步骤S1中根据第一源域数据和第一目标域数据整体之间的距离以及所述第一源域数据和第一目标域数据中每个类别数据之间的距离计算得到动态平衡因子，具体包括：

其中，δ∈[0,1]，dist_AM和分别表示第一源域数据和第一目标域数据整体及第一源域数据和第一目标域数据中每类数据之间的A-distance，A-distance的计算公式如下：

dist_A(X_src，X_tar)＝2(1-2loss(h))；

其中，loss(h)表示第一源域数据和第一目标域数据所训练的二分类器h的分类损失。