CN109034177B

CN109034177B - 一种移动智能终端室内外识别方法

Info

Publication number: CN109034177B
Application number: CN201810507836.9A
Authority: CN
Inventors: 秦中元; 张峻瑞
Original assignee: Southeast University
Current assignee: Southeast University
Priority date: 2018-05-24
Filing date: 2018-05-24
Publication date: 2022-07-29
Anticipated expiration: 2038-05-24
Also published as: CN109034177A

Abstract

本发明公开了一种移动智能终端室内外识别方法，它包含如下主要步骤：S1、通过手机传感器采集训练样本，并进行预处理；S2、在选取特征和参数选择的基础上，有监督地训练决策树分类模型；S3、计算新采集到的无标签样本的结果置信度，选取其中置信度较高的样本子集；S4、利用S3中的无标签样本子集和有标签样本，并通过基于半监督的决策树训练方法循环更新分类模型。本发明相比已有方案，环境适应性更强，可以有效解决现有方案经验阈值、硬编码、过于依赖伪标记样本等问题，具有较好的准确率和实用性。

Description

一种移动智能终端室内外识别方法

技术领域

本发明属于模式识别领域，尤其涉及移动智能终端室内外场景识别方法，该方法综合利用了移动智能终端自带的轻量级传感器和无线信号在室内外的不同特性进行室内外两种状态的识别。

背景技术

在当今的互联网时代，移动技术日新月异，其对人们的生产、生活方式都产生了重大影响。而手机作为人们常用的通信工具，越来越丰富的功能正在不断提高移动用户的体验。到目前为止，全世界已经有多达30亿的移动互联网用户，其中中国、美国、印度的移动网民数量依次占据前三名，分别为10.23亿、3.19亿和3.1亿。大量的移动网民带来了广阔的移动互联网市场，移动用户流量也成为互联网各大厂商的必争之地，为了增强老用户的粘性和吸引新的用户，移动应用厂商想方设法满足用户各种各样的需求，应用所提供的服务也趋于精细化。站在用户的角度，根据用户不同场景提供不同服务方案，将为用户打造更加智能贴心的服务体验。如何准确、高效地感知当前应用的使用场景，为上层应用提供可靠的决策依据，成为很多互联网厂商感兴趣的话题。

目前国内外已有一些基于多传感器进行室内外识别的研究成果。IODetector主要对光传感器、磁传感器和基站信号三个模块采集数据，然后分别计算各个模块对于识别室内外的置信度，并且将多模块的结果融合起来得到最终的结果；IODetector也利用HMM(Hidden Markov Model)模型通过上一次结果和当前特征推断当前判别结果，从而使算法得到进一步改进。Co-Training首先将传感器特征按照重要程度的排序结果平均分配给两个分类器，然后将无标签样本分别输入到两个训练好的分类器中，将置信度较高的输出结果作为无标签样本的伪标记，接着利用伪标记样本和有标签样本循环更新分类模型。然而，现有的室内外识别方法都存在一些缺陷。IODetector在计算各个模块的置信度时，很多关键阈值都是凭借经验确定的，而且采用硬编码的方式，难以适应有差异的新环境。Co-Training将分类结果作为伪标记贴在无标签数据上，直接将其当作有标签数据来进行有监督训练，如果最初的分类器效果不理想，将导致后续的识别效果越来越差。

发明内容

发明目的：为解决现有方案中存在的问题并提高在新环境中的准确性，本发明提出一种识别较准确且环境适应性较强的移动智能终端室内外识别方法。

技术方案：一种移动智能终端室内外识别方法，包括如下步骤：

S1、通过手机传感器采集有标签的训练样本，并对样本进行预处理；

S2、利用机器学习算法平台选取决策树分类算法的最优特征子集和参数设置，有监督地训练一个初始的决策树分类模型；

S3、利用分类模型进行室内外进行识别，并通过基于马氏距离的二分类决策树置信度计算方法计算每一个新采集到的无标签样本的识别结果置信度，并选取其中高置信度的样本子集；

S4、利用步骤S3中的无标签样本子集和有标签样本，并通过基于半监督的决策树训练方法更新分类模型，并重回步骤S3，直至分类模型稳定或循环次数达到预设值。

进一步的，所述步骤S1采集的每个训练样本包含的特征有：时间、接近传感器测量值、光照强度、磁场强度、加速度值、周围可见基号信号ID及其对应的强度、周围可见WiFi信号BSSID及其对应的强度；

进一步的，所述步骤S2所提到的机器学习算法平台是Weka平台；

进一步的，所述步骤S3中所提到的基于马氏距离的二分类决策树置信度计算方法为：首先计算样本到室内样本集合和室外样本集合的马氏距离：

公式一：

公式一中，样本点为X＝(x₁,x₂,...,x_N)^T，数据集合为D＝{X₁,X₂,...,X_n}，D中样本的均值为μ＝(μ₁,μ₂,...,μ_N)^T，X与μ协方差矩阵记为S，dist为样本点X到数据集合D的马氏距离。

接着计算新采集到的无标签样本集合中每个样本到室内样本集合和室外样本集合的马氏距离之差的绝对值，记为c_i，并记录其中的最大值c_max，接着对每个样本的c_i归一化得到该样本的识别结果置信度c_i＝c_i/c_max。

进一步的，所述步骤S4中所提到的基于半监督的决策树训练方法改进之处为：在有监督决策树训练方法的内部结点选择最优划分特征的步骤中，在计算数据集不纯度时除了考虑了类别空间，也考虑了特征空间的作用。由此，定义了新的不纯度计算方法：

公式二：

公式二中，D＝D_L∪D_U代表当前内部结点的数据集，D_L代表有标签数据集合，D_U代表无标签数据集合；数据集D中的类别空间为P，P中的类别种数为n；特征空间为A，A中有m个特征a₁,a₂,...,a_m；w代表了类别空间的权重系数，其中w∈[0,1]。其中，类别空间的不纯度Impurity(D_L,P)和特征空间不纯度Impurity(D,a_i)的计算方式分别如公式三和公式四所示：

公式三：

公式三中，

代表整棵树的有标签训练样本，Ent是数据集D的信息熵，代表了数据集D在离散值上的不纯度；

公式四：

公式四中，Var是数据集在某一特征上取值的方差，代表了数据集D在连续值上的不纯度。

公式三和公式四中，信息熵Ent的计算方式如下：

公式五：

公式五中，每一个类别的样本数量在数据集D中占比为p_k(k＝1,2,...,n)；

公式四中，当特征是连续值时计算特征空间不纯度的方式是取D在特征a_i上取值的方差，Var计算方式如下：

公式六：

公式六中，

代表数据集D中第j个样本在特征a_i上的取值，N代表数据集D中样本的数量。

进一步的，所述步骤S3和S4结合起来构成了移动智能终端室内外识别的基本流程：在有监督地训练出一个初始的决策树分类模型基础上，利用识别过程中采集到的无标签样本，根据二分类决策树置信度计算方法从中选取置信度较高的无标签样本子集，然后将样本子集和有标签样本输入到基于半监督的决策树训练方法中训练新的分类模型，此过程不断重复直至分类模型稳定或循环次数达到预设值。其中，有标签样本为初始分类模型的有监督训练样本。

本发明与现有技术相比，具有如下优点和有益效果：

本发明针对IODetector的硬编码方式提出了自学习决策树算法，在基于半监督的决策树训练方法中，提出了一种新的不纯度计算方式，能够同时让类别空间和特征空间在计算数据集不纯度时做出贡献，从而让分类器不断从新环境的数据中获得更全面的分类纯度增益；另外，与Co-Training方案相比，本发明不依赖伪标记数据去进行有监督训练，而是基于聚类的思想将特征和类别空间相似的数据聚在一起，因此能够从更广的程度上提高分类精度。

附图说明

图1为本发明的流程图；

图2为数据预处理中的滑动窗口示意图。

具体实施方式

下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

实施例：

如图1所示，本发明提出的移动智能终端室内外识别方法，综合利用了移动终端自带的轻量级传感器和无线信号在室内外的不同特性进行室内外识别，该方法主要步骤如下：

S1、通过手机端传感器和信号模块采集有标签训练样本，并对其预处理，设置更新次数t＝0。

采集样本过程具体为：样本采集频率为10Hz，在Android移动智能终端，传感器相关特征可以通过SensorManager开发接口获得，基站信号特征可以通过TelephonyManager开发接口获得，WiFi信号特征可以通过WifiManager开发接口获得；每个样本包含的特征有：时间、接近传感器测量值、光照强度、磁场强度、加速度值、周围可见基号信号ID及其对应的强度、周围可见WiFi信号BSSID及其对应的强度，其中周围可见基号信号ID及其对应的强度包含当前连接基号信号ID及其对应的强度，周围可见WiFi信号BSSID及其对应的强度包含当前连接WiFi信号BSSID及其对应的强度。

所述的数据预处理过程具体为：对于时间，转化为以小时为单位，转化公式如下：

公式七：

对于接近传感器测量值，接近传感器有接近和远离两种状态，测量值也只有两个值分别代表这两种状态，主要用于判断光传感器是否被遮挡。设接近传感器的最大值为r，输出数值为x，两者相等时接近值等于-1，代表没有被遮挡；两者不等时接近值等于1，代表被遮挡。转化公式如下：

公式八：

对于当前连接的基站ID，将当前连接的基站ID和上一组采集样本中的连接基站ID进行比较，若相等则连接基站ID没有发生改变，记为-1；若不等则连接基站ID发生改变，记为1。设当前连接基站ID为x₁，上一次数据样本的连接基站ID为x₀，提取出的连接基站ID变化特征值转化公式为：

公式九：

对于光照强度、磁场强度、加速度、连接的基站信号强度、连接的WiFi信号强度，采取了滑动窗口的形式进行处理，滑动窗口示意图如图2所示，设滑动窗口的长度为T(s)，采样频率为f(Hz)，滑动窗口内的数据集合为W，则一个W中包含从当前数据往前的N个数据，其中N＝T*f，其中T＝5s，f＝10Hz，每一个数据记为x_i(i＝1,2,...,N)。则有：

公式十：

W＝{x_i|i＝1,2,...,N}

在每一个滑动窗口中分别计算这一组数据中的平均值、最大值、最小值和方差。

平均值衡量了滑动窗口中数据的整体大小，计算式为：

公式十一：

最大值和最小值分别表示滑动窗口中数据的极端大小值，反映了数据的变化范围，计算式分别为：

公式十二：

公式十三：

方差描述了一组数据围绕其平均值的波动大小，计算式为：

公式十四：

对于周围可见基站信号和WiFi信号，预处理的方式类似，这里以周围可见基站信号为例举例说明。对周围可见基站信号提取出的特征有周围可见基站信号的环境、周围可见基站信号的强度相对大小关系。周围可见基站的信号环境可以将周围的基站ID从小到大排序后以逗号隔开连接为一个字符串，周围可见基站信号的强度相对大小关系在周围可见基站信号环境确定的情况下是一个枚举值集合，n个可见基站便对应着n！＝n*(n-1)*(n-2)*...*2*1种排序方式，它们的每一种大小关系对应一个枚举值，所以可以通过一个枚举值来描述无线信号之间的相对大小。例如，周围有ID为12、68、34的基站，则周围可见基站信号的环境特征表示为字符串“12,34,68”，而周围可见基站信号的强度相对大小关系的映射如表1所示。

表1

相对大小关系	枚举值
		基站12>基站34>基站68	1
基站12>基站68>基站34	2
		基站34>基站12>基站68	3
基站34>基站68>基站12	4
		基站68>基站12>基站34	5
基站68>基站34>基站12	6

经过预处理提取出的连续值特征如表2所示，离散值特征如表3所示。

表2

序号	连续值特征
		1	时间
2	光照强度的平均值、最大值、最小值、方差
		3	磁场强度的平均值、最大值、最小值、方差
4	加速度的平均值、最大值、最小值、方差
		5	连接基站信号强度的平均值、最大值、最小值、方差
6	连接WiFi信号强度的平均值、最大值、最小值、方差

表3

序号	离散值特征
		1	接近传感器测量值
2	连接基站的ID变化
		3	周围可见基站信号的环境
4	周围可见基站信号的强度相对大小关系
		5	周围可见WiFi信号的环境
6	周围可见WiFi信号的强度相对大小关系

S2、在Weka平台上利用预处理过的有标签数据集选取最优特征子集和最优参数，并有监督地训练初始的决策树分类模型。

选取最优特征子集的具体步骤为：打开Weka平台的Explorer界面，在Preprocess标签页打开训练样本集合arff文件，在Select attributes标签页设置特征评估器为WrapperSubsetEval，设置搜索方法为BestFirst，设置特征选择模式为十折交叉验证，点击开始寻找最优特征子集；

选取最优参数和有监督训练决策树分类模型的具体步骤为：在Weka平台的Explorer界面Classifier标签页选择meta元分类器CVParameterSelection，设置CVParameterSelection分类器的classifier属性为Decision Tree，在CVParameters命令行中添加“C 0.05 10 0.05”和“M 1 100 1”两条命令，其中每个命令依次由四个信息组成：代表参数的字母代码、变化范围下限、变化范围上限、变化的步长，设置测试选项为十折交叉验证，点击开始寻找最优参数并有监督地训练初始决策树分类模型；

S3、利用初始的分类模型进行室内外进行识别，选取其中高置信度的样本子集，具体为：

手机端在识别过程中会采集到新的无标签样本，当新的无标签样本数量达到有标签样本数量的50％构成一个无标签样本集合，然后通过基于马氏距离的二分类决策树置信度计算方法计算该集合中样本的结果置信度，并其中置信度大小前20％的样本子集，循环次数t加一。

基于马氏距离的二分类决策树置信度计算方法为：首先计算样本到室内样本集合和室外样本集合的马氏距离：

公式一：

公式一中，样本点为X＝(x₁,x₂,...,x_N)^T，数据集合为D＝{X₁,X₂,...,X_n}，D中样本的均值为μ＝(μ₁,μ₂,...,μ_N)^T，X与μ协方差矩阵设为S，dist为样本点X到数据集合D的马氏距离。

接着计算无标签样本集合中每个样本到室内样本集合和室外样本集合的马氏距离之差的绝对值，记为c_i，并记录其中的最大值c_max，接着对每个样本的c_i归一化得到该样本识别结果的置信度c_i＝c_i/c_max。

S4、利用无标签样本子集和有标签样本通过基于半监督的决策树训练方法更新分类模型，然后通过热修复的方式更新到移动智能终端应用软件中实现分类模型的更新，若分类模型稳定或循环次数t大于预设值，则停止循环，否则跳转到步骤S3继续循环。

基于半监督的决策树训练方法的具体流程为：

首先生成一个节点node，判断当前结点的数据集D中的样本是否是属于同一类别，若是则将node标记为该类叶结点并返回；再判断特征空间A是否为空，若是则将node标记为叶结点，并将类别标记为D中样本数量最多的类并返回；接着计算D划分前的不纯度Impurity_SADT(D)，然后循环遍历特征空间A，计算用特征a_i划分后的纯度增益Lift_i，将最大的纯度增益记为Lift_*，对应的最优划分特征记为a_*，利用划分特征的每一个特征值将D划分到各个子结点中，并在A中去掉a_*，继续递归划分。

其中，Impurity_SADT(D)计算方法为：

公式二：

公式二中，D＝D_L∪D_U代表当前内部结点的数据集，D_L代表有标签数据集合，D_U代表无标签数据集合；数据集D中的类别空间为P，P中的类别种数为n；特征空间为A，A中有m个特征a₁,a₂,...,a_m；w代表了类别空间的权重系数，其中w∈[0,1]。其中，类别空间的不纯度Impurity(D_L,P)和特征空间不纯度Impurity(D,a_i)的计算方式如下：

公式三：

公式三中，

公式四：

公式三和公式四中，信息熵Ent的计算方式如下：

公式五：

公式六：

公式六中，

半监督的决策树训练方法具体过程如算法流程1所示，与基本决策树训练方法的不同之处在伪代码的第11到14行，即在寻找最优划分特征和计算数据集不纯度采用了Impurity_SADT(D)计算方式，不仅仅考虑了类别不纯度，也将特征不纯度作为计算的因素。

热修复的方式在Android端可以利用Tencent推出的Tinker框架。

Claims

1.一种移动智能终端室内外识别方法，其特征在于，包括如下步骤：

S4、利用步骤S3中的无标签样本子集和有标签样本，并通过基于半监督的决策树训练方法更新分类模型，并重回步骤S3，直至分类模型稳定或循环次数达到预设值；利用训练好的分类模型，进行室内室外识别。

2.如权利要求1所述的移动智能终端室内外识别方法，其特征在于，所述步骤S1采集的每个训练样本包含的特征有：时间、接近传感器测量值、光照强度、磁场强度、加速度值、周围可见基号信号ID及其对应的强度、周围可见WiFi信号BSSID及其对应的强度。

3.如权利要求1所述的移动智能终端室内外识别方法，其特征在于，所述步骤S2所提到的机器学习算法平台是Weka平台。

4.如权利要求1所述的移动智能终端室内外识别方法，其特征在于，所述步骤S3中所提到的基于马氏距离的二分类决策树置信度计算方法为：首先计算样本到室内样本集合和室外样本集合的马氏距离：

公式一：

公式一中，样本点为X＝(x₁,x₂,...,x_N)^T，数据集合为D＝{X₁,X₂,...,X_n}，D中样本的均值为μ＝(μ₁,μ₂,...,μ_N)^T，X与μ协方差矩阵记为S，dist为样本点X到数据集合D的马氏距离；

5.如权利要求1所述的移动智能终端室内外识别方法，其特征在于，所述步骤S4中所提到的基于半监督的决策树训练方法定义了新的不纯度计算方法：

公式二：

公式二中，D＝D_L∪D_U代表当前内部结点的数据集，D_L代表有标签数据集合，D_U代表无标签数据集合；数据集D中的类别空间为P，P中的类别种数为n；特征空间为A，A中有m个特征a₁,a₂,...,a_m；w代表了类别空间的权重系数，其中w∈[0,1]；其中，类别空间的不纯度Impurity(D_L,P)和特征空间不纯度Impurity(D,a_i)的计算方式分别如公式三和公式四所示：

公式三：

公式三中，

公式四：

公式四中，D^train代表整棵树的训练样本，Var是数据集在某一特征上取值的方差，代表了数据集D在连续值上的不纯度；

公式三和公式四中，信息熵Ent的计算方式如下：

公式五：

公式五中，每一个类别的样本数量在数据集D中占比为p_k,k＝1,2,...,n；

公式六：

公式六中，

6.如权利要求1所述的移动智能终端室内外识别方法，其特征在于，所述步骤S3和S4结合起来构成了移动智能终端室内外识别的基本流程：在有监督地训练出一个初始的决策树分类模型基础上，利用识别过程中采集到的无标签样本，根据二分类决策树置信度计算方法从中选取置信度较高的无标签样本子集，然后将样本子集和有标签样本输入到基于半监督的决策树训练方法中训练新的分类模型，此过程不断重复直至分类模型稳定或循环次数达到预设值；其中，有标签样本为初始分类模型的有监督训练样本。