CN103968825B - 具有异常侦测机制的导航系统及其操作方法 - Google Patents

Abstract

一种具有异常侦测机制的导航系统及其操作方法，该操作导航系统的方法包括：针对目标字段判断分类模型以供评定兴趣点；针对该目标字段判断丛集以供评定该兴趣点；以及基于该分类模型与该丛集判断异常以供在装置上显示。

Description

具有异常侦测机制的导航系统及其操作方法

技术领域

本发明的具体实施例基本上关于导航系统，并且更尤指用于侦测异常的导航系统。

背景技术

现今的消费性与工业用电子装置，特别是诸如图形化导航系统、电视机、投影机、手机、可携式数字助理器、以及组合装置之类的装置，其功能水准正在提升，用以支持包括位置信息服务在内的现代生活。现有技术的研发可采取无数不同方向。

使用者藉由基于行动通讯技术的成长而得到更多权利，新的及旧的典范开始利用这个新空间。一种此类空间关于导航系统用兴趣位置的使用。然而，此类导航系统会具有错误或异常。

因此，对于具有异常侦测机制的导航系统仍存在着需求。有鉴于商业竞争压力不断增加，连带消费者期望日益成长以及对于市场中有意义产品差异化的机会日益减少，为这些问题找到解答的重要性渐增。另外，降低成本、改善效率与效能、以及克服竞争压力的要求，就找出这些问题的解答的关键必要性而言，有莫大的急迫性。

人们已找寻这些问题的解决方案多时，但先前的发展并未交代或推荐任何解决方案，因此，所属领域技术人员已长时间躲避这些问题的解决方案。

发明内容

本发明的具体实施例提供操作导航系统的方法，其包括：针对目标字段判断分类模型以供评定兴趣点；针对该目标字段判断丛集以供评定兴趣点；以及基于该分类模型与该丛集判断异常以供在装置上显示。

本发明的具体实施例提供操作导航系统，其包括：监督式学习模块，用于针对目标字段判断分类模型以供评定兴趣点；丛集模块，耦接至该监督式学习模块，用于针对该目标字段判断丛集以供评定该兴趣点；以及评估模块，耦接至该丛集模块，用于基于该分类模型与该丛集判断异常以供在装置上显示。

本发明的具体实施方式除了或取代以上所述，还具有其它步骤或组件。所属领域技术人员参照附图阅读底下的详细说明后，将明显知道步骤或组件。

附图说明

图1是本发明具体实施例中具有异常侦测机制的导航系统。

图2是图1所示第一装置的显示接口实施例。

图3是导航系统的示例性方块图。

图4是导航系统的控制流程。

图5是本发明具体实施例中导航系统操作方法的流程图。

具体实施方式

底下将充份详细地说明具体实施例，俾使所属领域技术人员能够制作并且使用本发明。要理解的是，其它具体实施例基于本揭露将显而易知，并可制作系统、方法(process)、或机械变更而不脱离本发明的范畴。

在底下的说明里，提出许多特定细节使读者对本发明有透彻的理解。然而，明显可知的是，不使用这些特定细节也可实践本发明。为了避免混淆本发明，某些广为人知的电路、系统配置、以及方法步骤将不作详细揭露。

表示系统具体实施例的图式属于半图解性质而未按比例绘制，并且尤其是，某些尺寸为了清楚描述，在图式中以夸大的方式呈现。类似地，虽然图式中的图标为了便于说明而基本上显示类似取向，图标中的大部份描绘仍是不受限制的。基本上，可用任何取向操作本发明。具体实施例已标示为第一具体实施例、第二具体实施例等，这是为了便于说明，而非意图表示任何其它意义或对本发明的具体实施例作限制。

所属领域技术人员将了解的是，导航信息所呈现的格式对于本发明的某些具体实施例并不重要。例如，在某些具体实施例中，导航信息以(X,Y)的格式予以呈现，其中X与Y为界定地理位置的两个坐标，亦即，使用者的位置。

在替代具体实施例中，导航信息藉由经纬度相关信息予以呈现。在本发明又一具体实施例中，导航信息亦包括含有速度组件与航向组件(heading component)的速度组件。

本文所指术语「有关（相关）信息」可包括所述导航信息以及使用者关注点的信息，如当地商务、商务时间、商务类型、广告特色、交通信息、地图、当地事件、以及基于位置的社群或个人信息。

根据文中术语使用的情境，在本发明中，本文所指术语「模块」可包括软件、硬件、或其结合。例如，软件可为机器码、轫体、嵌入式程序代码、以及应用软件。同样地举例而言，硬件可为电路、处理器、计算机、集成电路、集成电路核心、压力传感器、惯性传感器、微机电系统(MEMS)、被动装置、或其组合。

现在请参阅图1，其表示本发明一具体实施例中具有异常侦测机制的导航系统100。导航系统100包括诸如客户端或服务器之类的第一装置102，其连接至诸如客户端或服务器之类的第二装置106。第一装置102可利用诸如无线或有线网络之类的通讯路径104与第二装置106通讯。

例如，第一装置102可为各种显示装置中的任何一种装置，如手机、个人数字助理器、笔记型计算机、车用电信导航系统、或其它多功能行动通讯或娱乐装置。第一装置102可直接或间接耦接至通讯路径104而与第二装置106通讯，或可为独立式装置。第一装置102还与诸如汽车、卡车、公车、或火车之类的交通工具(vehicle)分开或合并。

基于描述目的，所述的导航系统100具有作为行动计算装置的第一装置102，但要理解的是，第一装置102可为不同种类的装置。例如，第一装置102亦可为非行动计算装置，如服务器、服务器机群、或桌上型计算机。

第二装置106可为各种集中式或分布式计算装置、或视讯传输装置中的任何一种装置。例如，第二装置106可为计算机、网格计算资源、虚拟化计算机资源、云端计算资源、路由器、交换机、点对点分布式计算装置、或其结合。

第二装置106可予以集中在单一房间、分布于不同房间、分布于不同地理位置、嵌入于电信网络内。第二装置106可与通讯路径104耦接而与第一装置102通讯。第二装置106还可为如用于第一装置102所述的客户端类型装置。

基于描述目的，所述的导航系统100具有作为行动计算装置的第二装置106，但要理解的是，第二装置106可为不同种类的计算装置。例如，第二装置106还可为行动计算装置，如笔记型计算机、另一种客户端装置、或不同类型的客户端装置。第二装置106还可为独立式装置，或可与诸如汽车、卡车、公车、或火车之类的交通工具合并。

同样基于描述目的，所述的导航系统100具有作为计算装置的第二装置106，但要理解的是，第二装置106可为不同种类的装置。同样基于描述目的，所示的导航系统100具有作为通讯路径104端点的第二装置106与第一装置102，但要理解的是，导航系统100在第一装置102、第二装置106、与通讯路径104之间可具有不同分割。例如，第一装置102、第二装置106、或其结合亦可作为部分通讯路径104。

通讯路径104可涵盖(span)并且代表各种网络。例如，通讯路径104可包括无线通讯、有线通讯、光波、超音波、或其结合。卫星通讯、蜂巢式通讯、蓝芽、红外线数据关联标准(IrDA)、无线上网(WiFi)、以及全球互通微波存取(WiMAX)为可含括在通讯路径104中的无线通讯实施例。以太网络、数字用户线(DSL)、光纤到府(FTTH)、以及普通老式电话服务(POTS)可为可含括在通讯路径104中的有线通讯实施例。另外，通讯路径104可穿过许多网络拓扑及距离。例如，通讯路径104可包括直接连接、个人局域网络(PAN)、局域网络(LAN)、都会网络(MAN)、广域网络(WAN)或其结合。

请参阅图2，其表示图1所示第一装置102的显示接口202实施例。显示接口202可显示兴趣点204。兴趣点204可为使用者可找到有用或有趣的特定地理位置。兴趣点204可为使用者藉由导航系统100予以判断的位置。例如，兴趣点204可基于一或多个存在于位置的实体而予以预先决定，如公司(business)或住宅(residence)，位置之于其它使用者的知名度，与位置有关的社会意义，如历史遗迹或景点，或其结合。

兴趣点204可具有数据字段206。数据字段206是予以界定为与兴趣点204有关的个别信息集合。每一个针对兴趣点204的数据字段206皆可为与兴趣点204有关的特定信息类型。每一个针对兴趣点204的数据字段206皆可互不相同。

例如，数据字段206可包括名称208、地址210、类别212、状态214、坐标216、说明218、选单220、评论222、或其结合，其与兴趣点204有关。名称208可为字母、符号、数字、或其结合，其识别兴趣点204。兴趣点204的名称208可为公司名称、诸如星巴克(TM)或苹果(TM)商店之类的品牌名称、住宅名称、旅游景点名称、诸如圣塔莫尼卡海滩(Santa Monicabeach)或旧金山之类的实际位置名称、如住家或工作之类的使用者指定名称、或其结合。

地址210可为字母、符号、数字、或其结合，其根据本地惯用位置识别符号而识别兴趣点204所在处实体的实际位置。地址210可识别结构的实体位置，如房间或建物、或公司、或住宅、密切关系或功能群组、或其与结构相关的结合。地址210可使用结构化识别符号识别实体位置，如建物名称或门牌号码、街道名称或编号、市、县、州、省、国、邮政区域、或其结合等区域名称、或其识别符号的结合。

类别212可为来自类型或分类集合，与兴趣点204有关的类型或分类。例如，名称208为星巴克(TM)的兴趣点204可具有「餐厅」、「咖啡」、或其结合的类别212。同样举例而言，名称208为金门大桥(Golden Gate Bridge)的兴趣点204可具有「地标」「旅游景点」、「风景区」、路段、或其结合的类别212。

状态214可为兴趣点204于特定时间的状态。状态214可为营运状态，如公司开门或关门或者使用者进出。状态214可基于目前时间或与使用者搜寻或查询相关时间的状态。

坐标216可为根据映像系统识别兴趣点204实际位置的字母、符号、数字、或其结合。坐标216可为基于经纬度映像系统或全球定位系统(GPS)的导航信息。

说明218可为用于特征化兴趣点204相关实体的连串字母、符号、数字、或其结合。说明218可为对兴趣点204拥有、营运、居住、或其结合的公司、建物、群组、或其结合的说明或分类。例如，为了特征化与兴趣点204有关的公司、建物、群组、或其结合，说明218可基于标准产业分类(SIC)或北美产业分类系统(NAICS)而区分。

选单220是予以界定为与兴趣点204有关的选择清单。选单220可为兴趣点204餐厅执行个体的菜单。选单220可为于兴趣点204可得服务或产品、价格、或其结合的清单。

评论222可为来自使用者或与兴趣点204相关其它使用者的信息。例如，评论222可为来自第一装置102使用者或导航系统100其它使用者的备注、检讨、评等、或其结合。

显示接口202还可显示目标字段224及相关字段226。目标字段224可为导航系统100所评估数据字段206的执行个体。目标字段224可为评估主题、判断、校正、或其结合。相关字段226可为数据字段206与目标字段224有关的不同执行个体。相关字段226可具有可用于验证目标字段224的信息。

例如，目标字段224可为类别212并且相关字段226可为名称208、说明218、评论222、或其结合。在更具体的实施例中，当目标字段224为「咖啡」时，名称208、说明218、评论222、或其结合中如「咖啡」或「咖啡馆」等相关术语可用于验证类别212。

显示接口202还可显示异常228、异常阈值230、评估量值232、以及内容响应234。异常228是界定为与兴趣点204一或多个执行个体一或多个数据字段206标准的偏差。

异常228可与兴趣点204的其它执行个体有关。例如，异常228可为类别212为「杂货店」的「彼得咖啡(Peter Coffee)」的执行个体，同时名称208为「彼得咖啡」的其它执行个体有超过半数其类别212也是「咖啡」。

异常228还可与标准化或已知正确值有关。异常228可为兴趣点204的执行个体或其中数据字段206的执行个体，其有别于已知的正确值。例如，名称208为「ABC市场」的兴趣点204的执行个体可为已知或标准化而对导航系统100具有「杂货店」类别212。异常228可为具有「咖啡」或有别于「杂货店」的任何值的类别212或兴趣点204的执行个体。

异常228可使用异常阈值230及评估量值232予以判断。评估量值232界定为兴趣点204或者一或多个其中用于验证兴趣点204与判断异常228的数据字段206的可衡量属性。

异常阈值230界定为用于判断异常228的界限。导航系统100可比较评估量值232与异常阈值230以判断异常228。下文将说明的是关于判断异常228的细节。

内容响应234界定为导航系统100响应对异常228的判断所接收的信息。内容响应234可为来自使用者的输入，如兴趣点204的选择或对于异常228的校正。内容响应234还可为藉由导航系统100进行的校正。

现在请参阅图3，其表示导航系统100的示例性方块图。导航系统100可包括第一装置102、通讯路径104、以及第二装置106。第一装置102可透过通讯路径104将第一装置传输308中的信息传送到第二装置106。第二装置106可透过通讯路径104将第二装置传输310中的信息传送到第一装置102。

基于描述目的，所示的导航系统100具有作为客户端装置的第一装置102，但要理解的是，导航系统100的第一装置102可为不同类型的装置。例如，第一装置102可为具有显示接口的服务器。

同样基于描述目的，所示的导航系统100具有作为服务器的第二装置106，但要理解的是，导航系统100的第二装置106可为不同类型的装置。例如，第二装置106可为客户端装置。

简言之，本发明的这个具体实施例中，第一装置102将予以描述成客户端装置并且第二装置106将以描述成服务器装置。本发明的具体实施例不局限于对装置类型的选择。这选择是本发明具体实施例的一个实施例。

第一装置102可包括第一控制单元312、第一储存单元314、第一通讯单元316、和第一使用者接口318、以及位置单元320。第一控制单元312可包括第一控制接口322。第一控制单元312可执行第一软件326以提供导航系统100的智能。

第一控制单元312可用多种不同方式予以实现。举例而言，第一控制单元312可为处理器、特殊应用集成电路(ASIC)、嵌入式处理器、微处理器、硬件控制逻辑、硬件有限状态机(FSM)、数字讯号处理器(DSP)、或其结合。第一控制接口322可用于第一控制单元312与第一装置102内其它功能单元之间的通讯。第一控制接口322还可用于第一装置102外部的通讯。

第一控制接口322可从其它功能单元或从外部来源接收信息、或可将信息传送到其它功能单元或外部目标。外部来源及外部目标意指第一装置102外部的来源及目标。

第一控制接口322可用不同方式予以实现，并且取决于与第一控制接口322接合的功能单元或外部单元而可包括不同实现举例而言，第一控制接口322可用压力传感器、惯性传感器、微机电系统(MEMS)、光学电路、波导、无线电路、有线电路、或其结合予以实现。·

第一储存单元314可储存第一软件326。第一储存单元314还可储存诸如代表输入影像之类的资料、代表先前所呈现影像的资料、声音文件、或其结合等有关信息。

第一储存单元314可为易失性存储器、非易失性存储器、内部存储器、外部存储器、或其结合。例如，第一储存单元314可为诸如非易失性随机存取存储器(NVRAM)、闪存、盘片储存体之类的非易失性储存体、或诸如静态随机存取存储器(SRAM)之类的易失性储存体。

第一储存单元314可包括第一储存接口324。第一储存接口324可用于位置单元320与第一装置102内其它功能单元之间的通讯。第一储存接口324还可用于第一装置102外部的通讯。

第一储存接口324可从其它功能单元或从外部来源接收信息、或可将信息传送到其它功能单元或外部目标。外部来源及外部目标意指第一装置102外部的来源及目标。

取决于与第一储存单元314接合的功能单元或外部单元，第一储存接口324可包括不同实现。第一储存接口324可用类似于实现第一控制接口322的技术及技巧予以实现。

第一通讯单元316能与第一装置102进行外部往来通讯。例如，第一通讯单元316可允许第一装置102与图1的第二装置106、诸如周边装置或计算机桌面之类的附件、以及通讯路径104通讯。

第一通讯单元316还可充当通讯集线器，其容许第一装置102充当部分通讯路径104，并且不受限于对通讯路径104的端点或终端单元。第一通讯单元316可包括主动式与被动式组件，如微电子装置或天线，用于与通讯路径104互动。

第一通讯单元316可包括第一通讯接口328。第一通讯接口328可用于第一通讯单元316与第一装置102内其它功能单元之间的通讯。第一通讯接口328可从其它功能单元接收信息、或可将信息传送到其它功能单元。

取决于与第一通讯单元316接合的功能单元，第一通讯接口328可包括不同实现。第一通讯接口328可用类似于实现第一控制接口322的技术及技巧予以实现。

第一使用者接口318让使用者（图未示）与第一装置102接合及互动。第一使用者接口318可包括输入装置及输出装置。第一使用者接口318的输入装置实施例可包括数字键台、触控板、软键、键盘、麦克风、用于接收遥控信号的红外线传感器、或任何其结合以提供数据及通讯输入。

第一使用者接口318可包括第一显示接口330。第一显示接口330可包括显示器、投影机、视讯屏幕、扩音器、、或任何其结合。

第一控制单元312可操作第一使用者接口318以显示由导航系统100所产生的信息。第一控制单元312还可针对导航系统100的其它功能执行第一软件326，包括从位置单元320接收位置信息。第一控制单元312还可执行第一软件326，用于经由第一通讯单元316与通讯路径104互动。

在实施例中，位置单元320可产生第一装置102的位置信息、目前航向、目前加速度、以及目前速率。位置单元320可用许多方式予以实现。例如，位置单元320可充当至少一部分GPS、惯性导航系统、手机发射塔位置系统、压力位置系统、或任何其结合。还有，举例而言，位置单元320可使用诸如加速计或GPS接收器之类的组件。

位置单元320可包括位置接口332。位置接口332可用于位置单元320与第一装置102内其它功能单元之间的通讯。位置接口332还可用于第一装置102外部的通讯。

位置接口332可从其它功能单元或从外部来源接收信息、或可将信息传送到其它功能单元或外部目标。外部来源及外部目标意指第一装置102外部的来源及目标。

取决于与位置单元320接合的功能单元或外部单元，位置接口332可包括不同实现。位置接口332可用类似于实现第一控制单元312的技术及技巧予以实现。

在具有第一装置102的多装置具体实施例中，可为了实现本发明的具体实施例而最佳化第二装置106。相较于第一装置102，第二装置106可提供额外或效能更高的处理能力。第二装置106可包括第二控制单元334、第二通讯单元336、以及第二使用者接口338。

第二使用者接口338让使用者（图未示）与第二装置106接合及互动。第二使用者接口338可包括输入装置及输出装置。第二使用者接口338的输入装置实施例可包括数字键台、触控板、软键、键盘、麦克风、或任何其结合以提供数据及通讯输入。第二使用者接口338的输出装置实施例可包括第二显示接口340。第二显示接口340可包括显示器、投影机、视讯屏幕、扩音器、、或任何其结合。

第二控制单元332可执行第二软件342以提供导航系统100的第二装置106的智能。第二软件342可搭配第一软件326操作。相较于第一控制单元312，第二控制单元334可提供额外效能。

第二控制单元334可操作第二使用者接口338以显示信息。第二控制单元334还可针对导航系统100的其它功能执行第二软件342，包括操作第二通讯单元336以透过通讯路径104与第一装置102通讯。

第二控制单元334可用多种不同方式予以实现。举例而言，第二控制单元334可为处理器、嵌入式处理器、微处理器、硬件控制逻辑、硬件有限状态机(FSM)、数字讯号处理器(DSP)、或其结合。

第二控制单元334可包括第二控制器接口344。第二控制器接口344可用于第二控制单元334与第二装置106内其它功能单元之间的通讯。第二控制器接口344还可用于第二装置106外部的通讯。

第二控制器接口344可从其它功能单元或从外部来源接收信息、或可将信息传送到其它功能单元或外部目标。外部来源及外部目标意指第二装置106外部的来源及目标。

第二控制器接口344可用不同方式予以实现，并且取决于与第二控制器接口344接合的功能单元或外部单元而可包括不同实现。举例而言，第二控制器接口,344可用压力传感器、惯性传感器、微机电系统(MEMS)、光学电路、波导、无线电路、有线电路、或其结合予以实现。

第二储存单元346可储存第二软件342。第二储存单元346还可储存诸如代表输入影像的资料、代表先前所呈现影像的资料、声音文件、或其结合等。可调整第二储存单元346的大小以提供额外的储存容量，用于补充第一储存单元314。

基于描述目的，将第二储存单元346表示成单一组件，但得以理解的是，第二储存单元346可为储存组件的分布。同样是为了描述，所示的导航系统100具有作为单一阶层储存系统的第二储存单元346，但要理解的是，导航系统100可具有不同配置的第二储存单元346。例如，第二储存单元346可予以形成具有不同的储存技术，其形成包括有不同层级快取、主存储器、旋转媒体、或离线储存体在内的存储器阶层系统。

第二储存单元346可为易失性存储器、非易失性存储器、内部存储器、外部存储器、或其结合。例如，第二储存单元346可为诸如非易失性随机存取存储器(NVRAM)、闪存、盘片储存体之类的非易失性储存体、或诸如静态随机存取存储器(SRAM)之类的易失性储存体。

第二储存单元346可包括第二储存接口348。第二储存接口348可用于第二装置106内其它功能单元之间的通讯。第二储存接口348还可用于第二装置106外部的通讯。

第二储存接口348可从其它功能单元或从外部来源接收信息、或可将信息传送到其它功能单元或外部目标。外部来源及外部目标意指第二装置106外部的来源及目标。

取决于与第二储存单元346接合的功能单元或外部单元，第二储存接口348可包括不同实现。第二储存接口348可用类似于实现第二控制器接口344的技术及技巧予以实现。

第二通讯单元336能与第二装置106进行外部往来通讯。例如，第二通讯单元336可允许第二装置106透过通讯路径104与第一装置102通讯。

第二通讯单元336还可充当通讯集线器，其容许第二装置106充当部分通讯路径104，并且不受限于对通讯路径104的端点或终端单元。第二通讯单元336可包括主动式与被动式组件，如微电子装置或天线，用于与通讯路径104互动。

第二通讯单元336可包括第二通讯接口350。第二通讯接口350可用于第二通讯单元336与第二装置106内其它功能单元之间的通讯。第二通讯接口350可从其它功能单元接收信息、或可将信息传送到其它功能单元。

取决于与第二通讯单元336接合的功能单元，第二通讯接口350可包括不同实现。第二通讯接口350可用类似于实现第二控制器接口344的技术及技巧予以实现。

第一通讯单元316可与通讯路径104耦接，用以在第一装置传输308中将信息传送至第二装置106。第二装置106可自通讯路径104的第一装置传输308接收第二通讯单元336中的信息。

第二通讯单元336可与通讯路径104耦接，用以在第二装置传输310中将信息传送至第一装置102。第一装置102可自通讯路径104的第二装置传输310接收第一通讯单元316中的信息。可藉由第一控制单元312、第二控制单元334、或其结合执行导航系统100。基于描述目的，所示第二装置106具有分割，此分割具有第二使用者接口338、第二储存单元346、第二控制单元334、以及第二通讯单元336，但要理解的是第二装置106可具有不同的分割。例如，第二软件342可予以进行不同的分割，以致某些或所有其功能可位于第二控制单元334及第二通讯单元336中。还有，为了清楚表达，第二装置106可包括未图标于第3图中的其它功能单元。

第一装置102中的功能单元可单独作业并且独立于其它功能单元。第一装置102可单独作业并且独立于第二装置106及通讯路径104。

第二装置106中的功能单元可单独作业并且独立于其它功能单元。第二装置106可单独作业并且独立于第一装置102及通讯路径104。

基于描述目的，导航系统100藉由第一装置102及第二装置106的操作予以说明。要理解的是，第一装置102及第二装置106可操作导航系统100的任何模块与功能。

现在请参阅图4，其表示导航系统100的控制流程。导航系统100可包括监督式学习模块402、丛集模块404、合成模块406、测量模块408、以及评估模块410。

监督式学习模块402可使用有线或无线连接予以耦接至丛集模块404，其方式可藉由以一模块的输出作为另一模块的输入、藉由以一模块的操作影响另一模块的操作、或其结合。类似地，丛集模块404可予以耦接至合成模块，合成模块406可予以耦接至测量模块408，以及测量模块408可予以耦接至评估模块410。评估模块410还可予以耦接至监督式学习模块402。

监督式学习模块402用于由图2中兴趣点204的执行个体判断分类模型420。分类模型420界定为识别较大资料集合内相关资料子群组的方法。分类模型420可为兴趣点204的群组，其在图2中数据字段206的对应执行个体内具有相同或相关值。

例如，分类模型420可基于类型，如具有「咖啡」或「杂货店」等类别212相同执行个体的兴趣点204群组。又举例而言，分类模型420可基于整数或布尔值，如特定字母、数字、符号、或其结合包括于兴趣点204的数据字段206内或基于出现次数。

监督式学习模块402可藉由识别训练集合422判断分类模型420以供评定兴趣点204的一或多个执行个体。训练集合422界定为用于发现兴趣点204执行个体之间关联性或关系的资料集合。监督式学习模块402可使用图2的目标字段224作为目标或输出并且使用相关数据字段206作为输入而识别训练集合422。

例如，q表示资料中数据字段206的数字。可将训练集合422表示成{x^g _i,y^g _i:1≤i≤N_g}，其中x^g _i是兴趣点204相关数据字段206所形成特征组成的特征向量，表示为P_i，并且y^g _i∈{1,2,…,q}是兴趣点204的目标字段224。

训练集合422还可为预定资料集合，用于判断介于兴趣点204或数据字段206用现有执行个体、新执行个体、或其结合之间的关系、可能预测关系、或其结合。

监督式学习模块402可使用预定识别以识别训练集合422。例如，监督式学习模块402可识别具有特定标头、位值、储存在特定位置中、使用已知通讯协议予以通讯、或其结合的资料作为训练集合422。导航系统100可预定训练集合422、识别方法、或其结合。

监督式学习模块402可使用训练集合422判断分类模型420，用于评定兴趣点204的一或多个执行个体。监督式学习模块402可基于训练集合422中所指定的输入及输出关系而判断模式、方程式、分组、或其结合。监督式学习模块402可使用训练集合422中输入与输出部分之间的机率计算、最大化函数、风险最小化方法、或其结合以经由训练集合422判断分类模型420。

接续上述实施例，监督式学习模块402可使用训练集合422以训练分类模型420，其表示如下：

M={M₁,M₂,…,M_q}。 方程式(1)。

在方程式(1)中，M_i可为数据字段206执行个体用的二进制分类器，表示为i。分类模型420可具有机率性质并且藉由分类机率424予以表示。

分类机率424是界定为强度或必然性的表述，其中特定输入资料基于训练集合422而属于数据字段206的特定执行个体。监督式学习模块402可使用数据字段206的总数、数据字段206之间的关系、数据字段206中由导航系统100所预定如匹配或有关关键词、方法或方程式之类的值、或其结合以计算分类机率424。

接续上述实施例，分类机率424可表示如下：

M_i(x)=p_i。 方程式(2)。

在方程式(2)中，p_i可为输入属于数据字段206的执行个体的机率x，由i予以表示，如目标字段224。分类模型420可使用分类机率424予以表示，其中分类模型420指定的输出表示属于目标字段224的输入的机率。分类模型420还可使用分类机率424予以表示如下：

M(x)={p₁,p₂,…,p_c}。 方程式(3)。

分类模型420可用于识别兴趣点204的特定执行个体。例如，导航系统可寻找类别212为「咖啡」的分类模型420以及图1第一装置102目前位置是「在5英哩内」的分类模型420的重叠部分。

分类模型420还可用于判断如新开业的或迁移至新位置的公司的类兴趣点204新执行个体中数据字段206的值。分类模型420还可用于判断兴趣点204执行个体中数据字段206新或错误执行个体的值。例如，导航系统100可使用分类模型420以将「咖啡」指定予「彼得咖啡」的新执行个体，或针对兴趣点204所有执行个体中的目标字段224寻找图2的异常228。

监督式学习模块402可使用图3的第一控制单元312、图3的第二控制单元334、或其结合以判断分类模型420、计算分类机率424、或其处理的结合。监督式学习模块402可将分类模型420、分类机率424、或结合储存在图3的第一储存单元314、图3的第二储存单元346、或其结合内。

在判断分类模型420、计算分类机率424、或其结合之后，控制流程可由监督式学习模块420进入为丛集模块404。控制流程的转移方式可藉由令分类模型420、分类机率424、或其结合作为由监督式学习模块402送至丛集模块404输入的输出、储存分类模型420、分类机率424、或其结合于丛集模块404已知并且可存取的位置、藉由通知丛集模块404，如藉由使用旗标、插断、状态信号、或其结合之类、或以上处理的结合。

丛集模块404用于由兴趣点204的执行个体、其中的数据字段206、或其结合判断丛集430。丛集430基于无任何指引的资料之间观察到的关联性和关系，予以界定为如兴趣点204或数据字段206等资料的分组，丛集430的一个执行个体中的资料群组与丛集430的不同执行个体中的资料群组相比较，彼此可更为类似或相关。

丛集430可具有机率性质并且藉由丛集分布432予以表示。丛集分布433是界定为强度或必然性的表述，其中特定输入资料属于数据字段206的特定执行个体而无任何指引。丛集模块404可判断丛集430、丛集分布432、或其独立于训练集合422的结合。

例如，K可表示丛集430所有执行个体的总数。丛集430的执行个体可表示如下：

C={C₁,C₂,…,C_K}。 方程式(4)。

若输入x已知，x属于丛集430执行个体的机率k（以丛集分布432予以表示）可表示如下：

C_k(x)=d_k。 方程式(5)。

可利用x的丛集分布432将丛集430表示如下：

C(x)={d₁,d₂,…,d_K}。 方程式(6)。

丛集模块404可使用数据字段206的总数、数据字段206之间的关系、数据字段206中由导航系统100所预定如匹配或有关关键词、方法或方程式之类的值、或其结合以计算丛集分布432并且判断丛集430。

丛集模块404可使用统计数据分析以判断丛集430并且计算丛集分布432。丛集模块404可使用数据字段206的总数、数据字段206之间的关系、数据字段206中由导航系统100所预定如匹配或有关关键词、方法或方程式之类的值、或其结合。

例如，丛集模块404可计算兴趣点204各个分组之间的密度、其中的数据字段206、或其结合以判断丛集430。在更具体的实施例中，丛集430可为非监督式学习的结果。相比之下，分类模型420可为具有训练集合422作为指引的监督式学习的结果。

又举例而言，丛集模块404可使用交叉验证及期望最大化(EM)算法计算丛集分布432并且判断丛集430。交叉验证可为一种评定丛集430执行个体将以通式表示为独立资料集合的方法。

丛集模块404可使用数据的各个倍数、留一交叉验证法、随机次级抽样、或其结合，以供用于资料分组以及所计算与分组相关的精确度或机率。丛集模块404可使用交叉验证以判断满足标准的分组，此标准由导航系统100预定为丛集430及所计算精确度、机率、大小、相对距离、或其与分组为丛集分布432相关的结合。

在本实施例中，期望最大化算法可为一种针对各个资料分组求出参数最大概度(likelihood)或最大事后机率估测的方法。丛集模块404可使用一组数据反复建立概度期望的函数并且可计算最大化此概度的参数。参数可用于判断资料分布，其在分布满足导航系统100预定标准时可为丛集430。所计算的精确度、机率、大小、相对距离、或其与其相关联的结合可为丛集分布432。

丛集430可用于评定兴趣点204、其中的目标字段224、或其结合。丛集430可用于识别兴趣点204的特定执行个体、在兴趣点204的新执行个体中判断数据字段206的值、在兴趣点204的执行个体中判断数据字段206新或不正确执行个体的值、或其类似于分类模型420的结合。

丛集模块404可使用第一控制单元314、第二控制单元334、或其结合以判断丛集430、计算丛集分布432、或其处理的结合。丛集模块404可在第一储存单元314、第二储存单元346、或其结合内储存丛集430、丛集分布432、或其结合。

在判断丛集430、计算丛集分布432、或其结合之后，控制流程可由丛集模块404进入合成模块406。控制流程可类似上述在监督式学习模块402与丛集模块404之间进行。

基于描述目的，丛集模块404是予以描述成监督式学习模块402之后的处理。然而，要理解的是，导航系统100可有所不同。例如，丛集模块404可在监督式学习模块402前或与监督式学习模块402平行处理。

在本实施例中，控制流程可由丛集模块404进入监督式学习模块402，然后进入合成模块406。控制流程还可由丛集模块404进入合成模块406、由监督式学习模块402进入合成模块406、或其结合。

合成模块406用于评估丛集模型分布440。丛集模型分布440是界定为数据字段206各执行个体对丛集430各执行个体的机率分布。丛集模型分布440可用于判断异常228。

丛集模型分布440可为矩阵。丛集模型分布440可予以表示如下：

方程式(7)。

丛集模型分布440可根据方程式(7)使用训练集合422、分类模型420、分类机率424、丛集430、丛集分布432、或其结合评估丛集模型分布440。

丛集模型分布440可相对于数据字段206予以正规化。若1≤i≤q以及1≤k≤K，对于每一个i，可将丛集模型分布440正规化如下：

方程式(8)。

已发现丛集模型分布440提供用以合并并且同时评估监督式及非监督式学习处理两者结果的方法。丛集模型分布440提供藉由以数学方式合并丛集430与分类模型420、以及藉由相对于数据字段206正规化以合并并且评估的能力。同样已发现的是，丛集模型分布440基于分类机率424及丛集分布432提供可用于评估资料有效性与精确度的可测量表达式，可最大化资料有效性与精确度以改良导航系统100的精确度。

合成模块406可使用图3的第一控制接口322、图3的第一储存接口324、图3的第二控制接口344、或其结合以存取分类模型420、分类机率424、丛集430、丛集分布432、或其结合。合成模块406可使用第一控制单元312、第二控制单元334、或其结合、以判断丛集模型分布440。合成模块406可在第一储存单元314、第二储存单元346、或其结合内储存丛集模型分布440。

在判断丛集模型分布440之后，控制流程可由合成模块406进入测量模块408。控制流程可类似上述在监督式学习模块402与丛集模块404之间进行。

测量模块408用于计算图2的评估量值232以供判断异常228。测量模块408可藉由产生异常函数450基于丛集430、分类模型420、分类机率424、丛集分布432、或其结合计算评估量值232。异常函数450是界定为兴趣点204、其中的数据字段206、或其结合用于判断异常228的可量化特征。

测量模块408可基于丛集430、分类模型420、分类机率424、丛集分布432、或其结合使用丛集模型分布440产生异常函数450。异常函数450可为介于输入的丛集分布432的执行个体与丛集模型分布440中兴趣点204对应目标字段224的列之间的距离。

兴趣点204的执行个体相对诸如目标字段224等数据字段206的执行个体的异常函数450可予以表示如下：

方程式(9)。

兴趣点204以x_p予以表示的执行个体用的丛集430的分布可为{d^p ₁,d^p ₂,…,d^p _K}。数据字段206的执行个体可予以表示成i。

基于描述目的，异常函数450利用方程式(9)予以说明。然而，要理解的是，异常函数450可有所不同。例如，异常函数450可为合并丛集模型分布440与丛集430的分布以产生机率输出的任何函数。

测量模块408可利用异常函数450计算评估量值232。测量模块408可将目标字段224、兴趣点204的执行个体或集合、或其结合设定为异常函数450的输入并且将其输出设定为评估量值232。

已发现的是，异常函数450及评估量值232改善导航系统100的精确度。异常函数450及评估量值232藉由提供代表非特征资料的可测量特征并且藉由合并两个独立评定的结合以改善精确度。

在判断异常函数450及评估量值232后，控制流程由测量模块408进入评估模块410。控制流程可类似上述在监督式学习模块402与丛集模块404之间进行。

测量模块408、评估模块410、或其结合可使用第一控制单元312、第二控制单元334或其结合以处理资料，包括判断异常函数450、评估量值232、异常228、或其结合。测量模块408、评估模块410或其结合可将异常函数450、评估量值232、异常228、或其结合储存于第一储存单元324、第二储存单元346或其结合。

评估模块410用于判断异常228。评估模块410可基于分类模型420与丛集430、丛集模型分布440、或其结合判断异常228。评估模块410藉由比较计算自异常函数450的评估量值232、以及图2的异常阈值230以判断异常228。

评估模块410可在评估量值232小于异常阈值230时将兴趣点204或其中的目标字段224判断为异常228。异常阈值230可随不同问题、继起或内容相关因素、输入与输出、数据字段206、兴趣点204的执行个体、或其结合而变。就举例范围而言，异常阈值230的值可介于0.01与0.0001之间并且包括0.01与0.0001。

对于总体处理的实施例而言，导航系统100针对兴趣点204各个执行个体的图2名称208可具有「星咖啡(Star Coffee)」、「彼得咖啡」、「Z的汉堡(Z’s Burgers)」、「ABC市场(ABC Market)」、以及「大学医院(University Hospital)」。丛集模块404可基于名称208、类别212、任一数据字段206、或其结合以判断丛集430的执行个体。

在本实施例中，导航系统100可在训练集合422中具有五个丛集{C1,C2,C3,C4,C5}。丛集430C1可为兴趣点204在名称208中具有「星咖啡」的所有执行个体。丛集430C2可为兴趣点204在名称208中具有「彼得咖啡」的所有执行个体。丛集430C3可为兴趣点204在类别212中具有「汉堡(burgers)」的所有执行个体。丛集430C4可为兴趣点204在名称208中具有「ABC市场」的所有执行个体。丛集430C5可为兴趣点204在类别212中具有「医院(hospitals)」的所有执行个体。

在本实施例中，监督式学习模块402可识别训练集合422而对类别212具有值为「咖啡」的目标字段224具有正的C1与C2以及负的C4与C5。监督式学习模块402可使用训练集合422判断分类模型420。

在本实施例中，合成模块406可使用监督式学习模块402与丛集模块404的输出以判断丛集模型分布440。可计算丛集模型分布440而具有值如下：

丛集模型分布440的顶列可表示兴趣点204的正执行个体跨布于(across)丛集430的执行个体的分布，并且底列可表示兴趣点204的负执行个体跨布于丛集430的执行个体的分布。

在本实施例中，测量模块408可针对「彼得咖啡」属于C2具有丛集分布432为{0.01,0.99,0,0,0}的执行个体计算评估量值232。评估量值232可为丛集分布432与丛集模型分布440顶列的内积，其值为0.402。评估模块410可比较评估量值232与0.001的异常阈值并且判断「彼得咖啡」的执行个体为非异常228。

在本实施例中，导航系统100可针对「Z的汉堡」属于C2具有丛集分布432为{0,0,0.98,0.01,0.01}的执行个体计算评估量值232。评估量值232可为0.301并且导航系统100可判断「Z的汉堡」的执行个体不为异常228。

在本实施例中，导航系统100可针对「ABC市场」属于C4并且具有类别212为「咖啡」的丛集分布432为{0.001,0,0.09,0.9,0.009}的执行个体计算评估量值232。评估量值232可为0.0006并且导航系统100可判断「ABC市场」的执行个体因评估量值232小于异常阈值而为异常228。

评估模块410还可基于异常228判断图2的内容响应234。评估模块410可藉由产生与异常228有关的通知并且将异常228传达给使用者而判断内容响应234。

导航系统100可使用第一使用者接口318、第二使用者接口338、或其结合传达异常228。导航系统100可显示或以声音方式产生具有异常228、目标字段224、兴趣点204的对应执行个体、异常阈值230与评估量值232、或其结合的通知讯息以供传达给使用者。

评估模块410可判断来自使用者的响应作为内容响应234。例如，使用者可选择要校正异常228并且对兴趣点204的对应执行个体中的目标字段224输入已校正资料新集合。又举例而言，使用者可校正异常228的判断并且确认既有资料。评估模块410可判断用于校正资料或确认资料的输入、兴趣点204已校正或已确认的执行个体、其中的数据字段206、或其结合作为内容响应234。

评估模块410还可在使用者选取兴趣点204具有异常228的对应执行个体时判断内容响应234。评估模块410可在使用者利用目标字段224基于搜寻选取兴趣点204的特定执行个体时判断内容响应234为确认。

例如，使用者可搜寻「咖啡」。导航系统100可基于匹配「咖啡」的类别212回传「ABC市场」为结果之一。评估模块410可判断「ABC市场」的名称208以及属于兴趣点204一个执行个体的「咖啡」类别212为异常228。然而，若使用者在基于类别212匹配「咖啡」的搜寻后选取「ABC市场」，则评估模块410可判断内容响应234为确认既有资料。

基于描述目的，上述导航系统100针对类别212的目标字段224处理兴趣点204的执行个体。然而，要理解的是可针对数据字段206作为目标字段224的任何执行个体进行上述处理。例如，目标字段224可为图2的名称208、图2的地址、图2的状态214、图2的坐标216、图2的说明218、图2的选单220、图2的评论222、或其结合。

在判断内容响应234后，控制流程可返回监督式学习模块402。控制流程可类似上述在监督式学习模块402与丛集模块404之间进行。

监督式学习模块402可使用内容响应234以进一步识别训练集合422。监督式学习模块402可藉由在训练集合422中包括内容响应234、兴趣点204对应执行个体用相关资料、或其结合进一步识别。导航系统100可撷取使用者行为并且由使用者透过内容响应234回授以供进一步改善精确度并且个人化导航系统100。

已在实施例中利用模块功能或顺序说明导航系统100。导航系统100中的模块可有不同分割或不同顺序。例如，可合并合成模块406与测量模块408或测量模块408与评估模块410的功能。又举例而言，丛集模块404可在监督式学习模块402之前或与其平行执行丛集模块404。

本申请书中所述的模块可为图3的第一控制单元316中或图3的第二控制单元338中的硬件实现或硬件加速器。模块也可分别为位于第一装置102或第二装置106内但位于第一控制单元316或第二控制单元338外的硬件实现或硬件加速器。

出自兴趣点204中的数据字段206以及丛集430与分类模型420中诸如既有位置公司变更之类相关变更的实体转换导致实体世界中诸如使用者搜寻或行进至兴趣点204之类的移动。实体世界中的移动藉由透过内容响应234撷取使用者互动并且包括于训练集合422内而导致兴趣点204中目标字段224的变更。

现在请参阅图5，其表示本发明具体实施例中导航系统100操作方法500的流程图。方法500包括：在区块502中，针对目标字段判断分类模型以供评定兴趣点；在区块504中，针对目标字段判断丛集以供评定兴趣点；以及在区块506中，基于分类模型与丛集判断异常以供在装置上显示。

产生的方法、程序、设备、装置、产品、及/或系统可藉由配合已知组件直接、省成本、不复杂、多方面、精确、灵敏并且有效果地予以实现以供现成、有效、以及节约的制造、应用、以及利用。本发明具体实施例的另一个重要态样在于其有价值地支持并且致力于降低成本、简化系统、以及提升效能的历史潮流。

本发明具体实施例的这些及其它有价值的态样因此将技术状态至少推向下一个层次。

尽管已连同特定最佳模式说明本发明，要了解的是，根据前述说明，许多替代方案、改进、以及变化对于所属领域的技术人员将是显而易知的。因此，意欲襄括所有落于所含括权利要求书范畴内的替代方案、改进、以及变化。本文所提或附加图式所示的所有内容以描述及非限制概念予以解读。

Claims (18)

1.一种操作导航系统的方法，其包含：

针对目标字段判断分类模型以供评定兴趣点；

判断丛集以供评定该兴趣点；

识别训练集合以供评定该兴趣点，其中判断该丛集包括独立于该训练集合而判断该丛集；以及

基于该分类模型与该丛集利用控制单元判断异常以供在装置上显示。

2.根据权利要求1所述的方法，其更包含基于该分类模型与该丛集评估丛集模型分布以供判断该异常。

3.根据权利要求1所述的方法，其更包含基于该丛集与该分类模型计算评估量值以供判断该异常。

4.根据权利要求1所述的方法，其更包含基于该分类模型与该丛集产生异常函数以供判断该异常。

5.一种操作导航系统的方法，其包含：

识别训练集合以供评定兴趣点的字段；

基于该训练集合对目标字段判断分类模型以供评定兴趣点；

独立于该训练集合对该目标字段判断丛集；

基于该分类模型与该丛集评估丛集模型分布；以及

利用该丛集模型分布以控制单元判断异常以供显示于装置上。

6.根据权利要求5所述的方法，其更包含：

基于该异常判断内容响应；以及

其中：

识别该训练集合包括识别含括该内容响应的该训练集合。

7.根据权利要求5所述的方法，其更包含：

基于该分类模型计算评估量值；以及

其中：

判断该异常包括在该评估量值小于异常阈值时判断该异常。

8.根据权利要求5所述的方法，其更包含：

基于该分类模型计算分类机率；以及

其中：

评估该丛集模型分布包括利用该分类机率评估该丛集模型分布。

9.根据权利要求5所述的方法，其中更包含：

针对该丛集判断丛集分布；以及

其中：

评估该丛集模型分布包括利用该丛集分布评估该丛集模型分布。

10.一种导航系统，其包含：

用于针对目标字段判断分类模型以供评定兴趣点的监督式学习模块；

丛集模块，耦接至该监督式学习模块，用于针对该目标字段判断丛集以供评定该兴趣点；

评估模块，耦接至该丛集模块，用于基于该分类模型与该丛集利用控制单元判断异常以供在装置上显示；以及

合成模块，耦接至该丛集模块，用于基于该分类模型与该丛集评估丛集模型分布；

其中：

该监督式学习模块用于识别训练集合以供评定该兴趣点；

该丛集模块用于独立于该训练集合而判断该丛集；以及

该评估模块用于利用该丛集模型分布判断该异常。

11.根据权利要求10所述的系统，其更包含合成模块，耦接至该丛集模块，用于基于该分类模型与该丛集评估丛集模型分布以供判断该异常。

12.根据权利要求10所述的系统，其更包含测量模块，耦接至该丛集模块，用于基于该丛集与该分类模型计算评估量值以供判断该异常。

13.根据权利要求10所述的系统，其更包含测量模块，耦接至该丛集模块，用于基于该分类模型与该丛集产生异常函数以供判断该异常。

14.根据权利要求10所述的系统，其中：

该监督式学习模块用于识别训练集合以供评定该兴趣点；以及

该丛集模块用于独立于该训练集合而判断该丛集。

15.根据权利要求10所述的系统，其中：

该评估模块用于基于该异常而判断内容响应；以及

该监督式学习模块用于识别含括该内容响应的该训练集合。

16.根据权利要求10所述的系统，其更包含：

测量模块，耦接至该丛集模块，用于基于该分类模型与该丛集而计算评估量值；

其中：

该评估模块用于当该评估量值小于异常阈值时判断该异常。

17.根据权利要求10所述的系统，其中：

该监督式学习模块用于基于该分类模型而计算分类机率；以及

该合成模块用于利用该分类机率评估该丛集模型分布。

18.根据权利要求10所述的系统，其中：

该丛集模块用于针对该丛集判断丛集分布；以及

该合成模块用于利用该丛集分布评估该丛集模型分布。