[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

摘要

本发明所述一种基于多核迁移学习的室内人员入侵检测方法，分为离线与在线阶段。在离线阶段，根据环境状态为采集的入侵与静默接收信号强度(Received Signal Strength,RSS)打上不同的标签，提取RSS特征并利用RSS特征与对应的标签集构建源域。在在线阶段，提取在线RSS的特征，并利用在线RSS特征及对应的伪标签集构建目标域。然后利用多核迁移学习将源域与目标域RSS迁移到同一个子空间，利用迁移后的源域RSS特征与标签集训练一个分类器，对目标域RSS特征进行分类，从而得到目标域RSS特征对应的新的标签，更新目标域。最后，重复上述步骤，直至算法收敛，得到目标域RSS特征最终的标签集，即实现对目标环境的入侵检测。本发明所提供的一种基于多核迁移学习的室内人员入侵检测方法，能够在降低真实环境中噪声对检测性能的影响的同时，实现对入侵人员的准确检测。

主权项

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(Monitor Point,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(Received Signal 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(Multiple Kernel 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。