CN113068123A - 一种质心确定方法、装置、服务器及存储介质 - Google Patents
一种质心确定方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN113068123A CN113068123A CN202010001745.5A CN202010001745A CN113068123A CN 113068123 A CN113068123 A CN 113068123A CN 202010001745 A CN202010001745 A CN 202010001745A CN 113068123 A CN113068123 A CN 113068123A
- Authority
- CN
- China
- Prior art keywords
- fingerprint point
- fingerprint
- target area
- determining
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0284—Relative positioning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种质心确定方法、装置、服务器及存储介质,该方法包括:基于指纹点密度确定算法,确定目标区域内与每一个指纹点相对应的指纹点密度;根据指纹点密度确定与每一个指纹点对应的指纹点权重值;根据目标区域内与每一个指纹点相对应的指纹点特征值,以及与指纹点特征值相对应的指纹点权重值,确定与目标区域相对应的当前质心数据。本公开实施例的技术方案,解决了现有技术中仅通过加权或算数平均值法确定与各个区域对应的质心数据时,未考虑每个指纹点的差异性,导致确定的质心数据不准确,实现了基于指纹点的相对位置,确定与不同指纹点对应的权重值,从而得到目标区域的质心数据,提高确定质心数据准确性,及定位效率的技术效果。
Description
技术领域
本发明实施例涉及计算机技术领域,尤其涉及一种质心确定方法、装置、服务器及存储介质。
背景技术
目前,随着智能设备的普及、通信技术和互联网技术的不断发展,用户对设备的智能化程度有了越来越高的期待。基于这种期待,以状态空间和线性代数为核心的状态分析被提出并成为处理各种情况的主流分析手段,其中,指纹法是状态分析中一种较为常见的分析方法。常用于定位系统,机器学习等人工智能领域。
现阶段,确定质心的方法主要是通过算术平均法和加权平均法来实现。
其中,算术平均法只指的是直接对每个状态点,即指纹点的原始数据进行处理来确定质心的位置。此方法虽然简单,计算速度快,但容易受到极端值影响,从而导致确定质心的精度较低。为了解决了这一问题,在采用算术平均法对处理数据之前,需要先滤除一部分极端值,在对剩余的数据进行处理,存在滤除的数据并不准确,并且繁琐复杂的技术问题。
加权平均法来确定质心时,主要是基于概率分布,以及基于系统建模的人为指定。其中,基于概率分布是根据高斯概率模型对各个指纹数据进行处理,来确定各个点的权重。但此方法仅适用于指纹点数据为高斯分布的情形,实际应用中数据按照高斯分布的可能性较小,另外,离散数据点难以拟合准确的概率分布。另外一个是基于系统建模的人为指定,但是往往系统建模难以顾及方方面面,故人为指定的权重往往难以符合实际情况,并且增加了人力成本。
也就是说,目前采用指纹法确定质心位置时,存在计算精度较低、繁琐复杂,以及人力成本较高的技术问题。
发明内容
本发明实施例提供了一种质心确定方法、装置、服务器及存储介质,以实现提高确定质心准确性以及便捷性的技术效果。
第一方面,本发明实施例提供了一种质心确定方法,该方法包括:
基于指纹点密度确定算法,确定目标区域内与每一个指纹点相对应的指纹点密度;
根据所述指纹点密度确定与每一个所述指纹点对应的指纹点权重值;
根据目标区域内与每一个指纹点相对应的指纹点特征值,以及与所述指纹点特征值相对应的指纹点权重值,确定与所述目标区域相对应的当前质心数据。
第二方面,本发明实施例还提供了一种质心确定装置,该装置包括:
指纹点密度确定模块,用于基于指纹点密度确定算法,确定目标区域内与各个指纹点相对应的指纹点密度;
指纹点权重值确定模块,用于根据所述指纹点密度,确定与各个所述指纹点对应的指纹点权重值;
质心数据确定模块,用于根据目标区域内与各个指纹点相对应的指纹点特征值,以及与所述指纹点特征值相对应的指纹点权重值,确定与所述目标区域相对应的当前质心数据。
第三方面,本发明实施例还提供了一种服务器,所述服务器包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例任一所述的质心确定方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例任一所述的质心确定方法。
本发明实施例的技术方案,通过基于指纹点密度确定算法,确定目标区域内与每一个指纹点相对应的指纹点密度;根据指纹点密度确定与每一个指纹点对应的指纹点权重值;根据目标区域内与每一个指纹点相对应的指纹点特征值,以及与指纹点特征值相对应的指纹点权重值,确定与目标区域相对应的当前质心数据,解决了现有技术中仅通过加权或算数平均值法来确定与各个区域相对应的质心数据时,未考虑每个指纹点数据的差异性,导致存在确定的质心数据不准确的问题,实现了基于指纹点的相对位置,确定与不同指纹点对应的权重值,从而得到与目标区域对应的质心数据,提高了确定质心数据准确性,以及定位效率的技术效果。
附图说明
为了更加清楚地说明本发明示例性实施例的技术方案,下面对描述实施例中所需要用到的附图做一简单介绍。显然,所介绍的附图只是本发明所要描述的一部分实施例的附图,而不是全部的附图,对于本领域普通技术人员,在不付出创造性劳动的前提下,还可以根据这些附图得到其他的附图。
图1为本发明实施例一所提供的一种质心确定方法流程示意图;
图2为本发明实施例二所提供的一种质心确定方法另一流程示意图;
图3为本发明实施例三所提供的一种质心确定方法另一流程示意图;
图4为本发明实施例四所提供的一种质心确定装置结构示意图;
图5为本发明实施例五所提供的一种服务器结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一所提供的一种质心确定方法流程示意图,本实施例可适用于确定目标区域质心数据的情况,该方法可以由质心确定装置来执行,该装置可以通过软件和/或硬件的形式实现。该硬件可以是电子设备,可选的,PC端、移动终端等。
如图1,本实施例的方法包括:
S110、基于指纹点密度确定算法,确定目标区域内与每一个指纹点相对应的指纹点密度。
在本实施例中,可以以应用场景是指纹定位为例来介绍本方案。指纹点定位原理是:无线信号的信号强度在空间传播过程中,会随着传播距离的增加而减弱。接收端设备与发射设备之间的距离越近,信号源的信号强度就越强,因此可以通过接收端设备接收到的数据,来定位信号源,即定位发射信号的发射设备。
其中,指纹点密度可以理解为预设邻域内指纹点的数量。同一目标区域,不同的指纹点对应的邻域大小相同,位置不同,因此不同指纹点对应的指纹点密度可以相同,也可以不同。确定指纹点密度可以是:获取目标区域中的一个指纹点作为目标指纹点,以目标指纹点为圆心,以一定长度为半径确定一领域,统计该邻域内指纹点的数量,将此数量作为与目标指纹点对应的指纹点密度。不同指纹点对应的指纹点密度存在一定的差异,因此可以分别确定目标区域内,与每个指纹点对应的指纹点密度。指纹点密度算法可以理解为确定目标区域内与各个指纹点相对应的指纹点数量的算法。
需要说明的是,领域的面积远小于目标区域的面积。
具体的,获取目标区域中的一个指纹点作为目标指纹点。以目标指纹点为中心,以预设长度为半径确定一邻域,统计该邻域内包括的指纹点数量,并将此时得到的数量作为与目标指纹点对应的指纹点密度。同一个区域内,不同指纹点对应的指纹点密度不同,因此需要计算目标区域内与每个指纹点对应的指纹点密度,好处在于,目标区域的质心数据是基于每个指纹点来确定的,在指纹点密度确定准确的条件下,可以提高确定质心数据的准确性。也就是说,若目标区域存在10个指纹点,就需要分别确定与10个指纹点对应的指纹点密度,即指纹点密度确定的数量与指纹点的数量对应。
示例性的,目标区域内包括5个指纹点,分别记为X1、X2、X3、X4、X5,以指纹点X1为中心,以预设长度0.1为半径确定一个圆形领域,统计该领域内指纹点的数量,并记为M1,将M1作为与指纹点X1对应的指纹点密度。以此类推,确定与指纹点X2对应的指纹点密度M2,与指纹点X3对应的指纹点密度M3,与指纹点X4对应的指纹点密度M4,与指纹点X5对应的指纹点密度M5。
在本实施例中,在确定目标区域内指纹点的密度之前,还需要将一个区域划分为至少两个目标区域。这样的好处在于,由于指纹点数据库的空间复杂度比较高,若接收到待定位指纹点特征值,并与数据库中的每个指纹点进行匹配计算,存在非常高的复杂度。因此,可以对一个区域进行划分,得到多个目标区域,通过确定待定位特征值所属的目标区域后,与目标区域内的指纹点特征值进行计算,降低了确定待定位特征值的运算量,从而提高定位效率。可选的,按照预设划分规则将预设区域划分为至少两个目标区域,以分别确定与每个目标区域对应的当前质心数据。
其中,将与目标区域对应的质心数据,作为当前质心数据。预设区域可以是一个整体的区域。例如,若统计与商场对应的指纹点数据,可以将商场所处的区域作为预设区域,将商场划分为至少两个目标区域,分别确定每个目标区域的质心数据。预设划分规则用户可以根据实际情况进行设定,在此不做限定。
具体的,将预设区域划分为五个目标区域,分别统计每个目标区域中各个指纹点的指纹点密度,以基于所述指纹点密度确定每个目标区域的当前质心数据。
在本实施例中,基于指纹点密度确定算法,确定目标区域内与每个指纹点相对应的指纹点密度,包括:依次获取目标区域中的每一个指纹点,并作为目标指纹点;确定并统计在目标指纹点预设邻域内指纹点的数量,并将数量作为与目标指纹点相对应的指纹点密度。
其中,预设邻域可以是统计指纹点密度的邻域,例如,以其中一个点为圆心,以一定长度为半径做圆后,所确定的区域可以作为预设邻域。
具体的,将目标区域内的其中一个指纹点作为目标指纹点,以一定长度为半径确定一个邻域,统计该邻域内指纹点数量,将此数量作为与目标指纹点对应的指纹点密度,依次确定目标区域内与各个指纹点对应的指纹点密度。
S120、根据指纹点密度确定与每一个指纹点对应的指纹点权重值。
可选的,对目标区域内与每一个指纹点相对应的指纹点密度进行累加,得到与目标区域相对应的第一数值;基于与每一个指纹点相对应的指纹点密度以及第一数值,得到与每一个指纹点相对应的指纹点权重值。
也就是说,对目标区域内与每个指纹点相对应的指纹点密度进行累加,得到与目标区域相对应的第一数据。目标区域内与每个指纹点对应的指纹点密度除以第一数据,得到与各个指纹点对应的指纹点权重值。
示例性的,目标区域内指纹点的数量为5个,分别记为X1、X2、X3、X4、X5,与指纹点X1对应的指纹点密度为M1,确定与指纹点X2对应的指纹点密度M2,与指纹点X3对应的指纹点密度M3,与指纹点X4对应的指纹点密度M4,与指纹点X5对应的指纹点密度M5。相应的,第一数据M=M1+M2+M3+M4+M5,与指纹点X1对应的权重值为M1/M,与指纹点X2对应的权重值为M2/M,与指纹点X3对应的权重值为M3/M,与指纹点X4对应的权重值为M4/M,与指纹点X5对应的权重值为M5/M。
S130、根据目标区域内与每一个指纹点相对应的指纹点特征值,以及与指纹点特征值相对应的指纹点权重值,确定与目标区域相对应的当前质心数据。
其中,指纹点特征值可以理解为与发射设备相对应的电磁波信号。
分别计算目标区域内每个指纹点特征值,与其对应指纹点权重值的乘积,得到与每个指纹点相对应的待处理数据,对待处理数据进行累加,得到目标区域的当前质心数据。
示例性的,与目标区域相对应的当前质心数据AVE=(X1*M1/M)+(X2*M2/M)+(X3*M3/M)+(X4*M4/M)+(X5*M5/M)。
重复执行S110至S130,确定与每个目标区域相对应的当前质心数据。确定质心数据的好处在在于,当接收到的新的指纹点特征值时,可以根据接收到的指纹点特征值,确定该指纹点特征值所属的目标区域,进而实现定位的技术效果。
本发明实施例的技术方案,通过基于指纹点密度确定算法,确定目标区域内与每一个指纹点相对应的指纹点密度;根据指纹点密度确定与每一个指纹点对应的指纹点权重值;根据目标区域内与每一个指纹点相对应的指纹点特征值,以及与指纹点特征值相对应的指纹点权重值,确定与目标区域相对应的当前质心数据,解决了现有技术中仅通过加权或算数平均值法来确定与各个区域相对应的质心数据时,未考虑每个指纹点数据的差异性,导致存在确定的质心数据不准确的问题,实现了基于指纹点的相对位置,确定与不同指纹点对应的权重值,从而得到与目标区域对应的质心数据,提高了确定质心数据准确性,以及定位效率的技术效果。
实施例二
在上述技术方案的基础上,若是接收到新的指纹点特征值时,可以基于新的指纹点特征值,确定新的指纹点特征值所属的目标区域,并更新与目标区域对应的当前质心数据。图2为本发明实施例二所提供的一种质心确定方法另一流程示意图。如图2所示,方法包括:
S210、基于指纹点密度确定算法,确定目标区域内与每一个指纹点相对应的指纹点密度。
S220、根据指纹点密度确定与每一个指纹点对应的指纹点权重值。
S230、根据目标区域内与每一个指纹点相对应的指纹点特征值,以及与指纹点特征值相对应的指纹点权重值,确定与目标区域相对应的当前质心数据。
S240、当接收到新指纹点特征值时,确定新指纹点特征值所属的区域,作为目标区域,根据新指纹点特征值更新与目标区域相对应的当前质心数据。
具体的,当用户触发定位模块,或者目标用户到达某个地点通过网络发送信息时,可以接收与目标用户对应终端发送的电磁波信号,可以将此信号可以作为新的指纹点特征值。基于新的指纹点特征值,实现定位的功能,并且可以根据新的指纹点特征值所属的目标区域,更新与目标区域对应的当前质心数据。
在本实施例中,可以将接收到的新的指纹点特征值,作为当前指纹点特征值。基于根据当前指纹点特征值与各个目标区域的当前质心数据之间的关系,确定当前指纹点特征值所属的区域,并将此区域作为目标区域。可选的,通过确定当前指纹点特征值与各个质心数据之间的相对位置关系,确定当前指纹点特征值所属的目标区域。也就是说,目标区域内多了新的指纹点特征值,可以重复执行S210至S230,更新当前指纹特征值所属目标区域的当前质心数据。
本发明实施例的技术方案,通过当接收到新指纹点特征值时,确定新指纹点特征值所属的区域,作为目标区域,根据新指纹点特征值更新与目标区域相对应的当前质心数据,解决了现有技术中一旦确定了质心数据不再更新的问题,实现了动态更新与每个区域相对应的质心数据,提高质心数据确定准确性的技术效果。
实施例三
作为上述实施例的一优选实施例,图3为本发明实施例三所提供的一种质心确定方法另一流程示意图。如图3所示,所述方法包括:
S310、系统初始化。
可以理解为,将系统内的变量设置为默认值,把各个控件设置为默认状态。
S320、创建指纹库,并基于指纹库中的数据对预设区域进行划分得到多个目标区域。
目前,指纹匹配的通用技术是先离线记录指纹点特征值,构造指纹点数据库。由于指纹点数据库的空间复杂度比较高,若接收到指纹点特征值后,与数据库中的每个指纹点进行匹配计算,会存在非常高的复杂度,因此,可以对一个区域进行划分,得到多个目标区域。首先确定接收到的指纹点特征值所属的目标区域,再进行精确定位。因此需要计算与各个目标区域对应的质心数据。
在系统初始化之前,或者初始化之后,可以获取预设区域中多个指纹数据,并按照预设的划分方式将预设区域划分为至少一个目标区域。
示例性的,预设区域为A,将预设区域划分为至少四个目标区域,每个目标区域记为A1、A2、A3、A4。在系统初始化后,可以采集一系列指纹点数据(指纹点特征值),即获取预设区域内多个指纹点特征值。
S330、计算指纹点密度,更新各个指纹点权重。
需要说明的是,同一个区域中不同指纹点对应的指纹点密度不同。
具体的,获取目标子区域中其中一个指纹点作为的目标指纹点,并记为i,以目标指纹点i为圆心,以R为半径画圆确定一个邻域,将此邻域作为与目标指纹点相对应的第一子区域,统计第一子区域内指纹点的数量M1。
分别统计目标子区域内与各个指纹点相对应的指纹点数量。对得到的所有指纹点数量进行累加,得到与目标子区域对应的总指纹点数量。通过计算第一子区域内的指纹点数量与总指纹点数量的比值,得到与目标指纹点i的指纹点权重值。
示例性的,将预设区域A划分为了四个目标区域,分别记为A1、A2、A3、A4。计算目标子区域A1内各个指纹点的权重值。目标区域A1中包括十个指纹点分别记为X1、X2、…X10。将初始化指纹点密度集合记为M=[M1,M2,M3,M4…M10],将未确定指纹点密度的指纹点集合记为θ=[x1,x2…x10]。以其中一个指纹点X1为圆心以一定的长为半径,可选的,r=0.1cm画圆,统计圆内包括指纹点的数量M1;以此类推,计算与X2相应的指纹点数量M2,与X3相对应的指纹点数量M3,直至统计出与X10相对应的指纹点数量M10。与目标区域A1对应的总指纹点数量为:M=M1+M2+M3+M4+…+M10,与指纹点X1相对应的指纹点密度为M1/M,与指纹点X2对应的指纹点密度为M2/M…,与指纹点X10对应的指纹点密度为M10/M。
S340、计算各个目标区域的当前质心数据。
即,在上述计算结果的基础上,确定与目标区域对应的质心。
在上述技术方案的基础上,在确定与指纹点对应的指纹点权重值后,可以基于指纹点特征值以及指纹点权重值,确定与目标区域相对应的质心数据。
示例性的,与目标区域A1对应的质心数据Ave=(X1*M1/M)+(X2*M2/M)+(X3*M3/M)+(X4*M4/M)+(X5*M5/M)+(X6*M6/M)+(X7*M7/M)+(X8*M8/M)+(X9*M9/M)+(X10*M10/M)。
在本实施例中,可以基于指纹点的相对位置,确定与不同指纹点对应的权重值,进而来确定与目标区域对应的质心数据,提高了确定质心数据准确性的技术效果。
需要说明的是,可以重复执行S330和S340,来确定各个目标区域A2、A3、A4的质心数据。
S350、判断是否接收到新的指纹点特征值,若是,则返回执行S330;若是,则执行S360。
在具体应用的过程中,当接受到新的指纹点特征值后,可以通过指纹点特征值与各个质心数据之间的相对位置关系,确定新的指纹点特征值所属的目标区域。判断目标区域是否存在该指纹点特征值,即判断接收到的指纹点特征值是否为新的指纹点。若是,则返回执行S330,基于新接收到的指纹点特征值来重新确定目标区域的质心数据。若否,则确定新指纹点所属目标区域的质心数据未发生变化,即执行S360。
需要说明的是,在接收到新的指纹点特征值并确定所属的目标区域后,可以通过计算目标区域内的指纹点特征值与新接收到的指纹点特征值,来进行精确定位。
S360、结束。
可以理解为,目标区域质心数据确定完成。
本发明实施例的技术方案,通过基于指纹点密度确定算法,确定目标区域内与每一个指纹点相对应的指纹点密度;根据指纹点密度确定与每一个指纹点对应的指纹点权重值;根据目标区域内与每一个指纹点相对应的指纹点特征值,以及与指纹点特征值相对应的指纹点权重值,确定与目标区域相对应的当前质心数据,解决了现有技术中仅通过加权或算数平均值法来确定与各个区域相对应的质心数据时,未考虑每个指纹点数据的差异性,导致存在确定的质心数据不准确的问题,实现了基于指纹点的相对位置,确定与不同指纹点对应的权重值,从而得到与目标区域对应的质心数据,提高了确定质心数据准确性,以及定位效率的技术效果。
实施例四
图4为本发明实施例四提供的一种质心确定装置结构示意图,该装置包括:指纹点密度确定模块410、指纹点权重值确定模块420和质心数据确定模块430。
其中,指纹点密度确定模块410,用于基于指纹点密度确定算法,确定目标区域内与各个指纹点相对应的指纹点密度;指纹点权重值确定模块420,用于根据所述指纹点密度,确定与各个所述指纹点对应的指纹点权重值;质心数据确定模块430,用于根据目标区域内与各个指纹点相对应的指纹点特征值,以及与所述指纹点特征值相对应的指纹点权重值,确定与所述目标区域相对应的当前质心数据。
本发明实施例的技术方案,通过基于预设指纹点密度确定算法,确定目标区域内与每一个指纹点相对应的指纹点密度;根据指纹点密度确定与每一个指纹点对应的指纹点权重值;根据目标区域内与每一个指纹点相对应的指纹点特征值,以及与指纹点特征值相对应的指纹点权重值,确定与目标区域相对应的当前质心数据,解决了现有技术中仅通过加权或算数平均值法来确定与各个区域相对应的质心数据时,未考虑每个指纹点数据的差异性,导致存在确定的质心数据不准确的问题,实现了基于指纹点的相对位置,确定与不同指纹点对应的权重值,从而得到与目标区域对应的质心数据,提高了确定质心数据准确性,以及定位效率的技术效果。
在上述技术方案的基础上,指纹点密度确定模块,在用于基于预设指纹点密度确定算法,确定目标区域内与每一个指纹点相对应的指纹点密度之前,还用于:按照预设划分规则将预设区域划分为至少两个目标区域,以分别确定与每个目标区域相对应的当前质心数据。
在上述各技术方案的基础上,所述指纹点密度确定模块,还用于:依次获取目标区域中的每一个指纹点,并作为目标指纹点;确定并统计在所述目标指纹点预设邻域内指纹点的数量,并将所述数量作为与所述目标指纹点相对应的指纹点密度。
在上述各技术方案的基础上,指纹点权重值确定模块还用于:对目标区域内与每一个指纹点相对应的指纹点密度进行累加,得到与所述目标区域相对应的第一数值;基于与每一个指纹点相对应的指纹点密度以及所述第一数值,得到与每一个指纹点相对应的指纹点权重值。
在上述各技术方案的基础上,所述质心数据确定模块还用于:计算目标区域内与每一个指纹点特征值相对应的指纹点权重值;计算每一个指纹点特征值,与所述指纹点权重值的乘积,得到与每个指纹点特征值相对应的待处理数据;基于所述待处理数据得到与所述目标区域相对应的当前质心数据;其中,所述待处理数据的数量与所述目标区域内指纹点的数量相同。
在上述各技术方案的基础上,所述质心数据确定模块还用于:将所述待处理数据进行累加,得到与所述目标区域相对应的当前质心数据。
在上述各技术方案的基础上,所述装置还包括:数据更新模块,用于当接收到新指纹点特征值时,确定所述新指纹点特征值所属的区域,作为目标区域;根据所述新指纹点特征值更新与所述目标区域相对应的当前质心数据。
本发明实施例所提供的质心确定装置可执行本发明任意实施例所提供的质心确定方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明实施例的保护范围。
实施例四
图5为本发明实施例四提供的一种服务器的结构示意图。图5示出了适于用来实现本发明实施例实施方式的示例性设备50的框图。图5显示的设备50仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,设备50以通用计算设备的形式表现。设备50的组件可以包括但不限于:一个或者多个处理器或者处理单元501,系统存储器502,连接不同系统组件(包括系统存储器502和处理单元501)的总线503。
总线503表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备50典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备50访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器502可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)504和/或高速缓存存储器505。设备50可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统506可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线503相连。存储器502可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块507的程序/实用工具508,可以存储在例如存储器502中,这样的程序模块507包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块507通常执行本发明所描述的实施例中的功能和/或方法。
设备50也可以与一个或多个外部设备509(例如键盘、指向设备、显示器410等)通信,还可与一个或者多个使得用户能与该设备50交互的设备通信,和/或与使得该设备50能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口411进行。并且,设备50还可以通过网络适配器412与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器412通过总线503与设备50的其它模块通信。应当明白,尽管图5中未示出,可以结合设备50使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元501通过运行存储在系统存储器502中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的质心确定方法。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行质心确定方法。
该方法包括:
基于预设指纹点密度确定算法,确定目标区域内与每一个指纹点相对应的指纹点密度;
根据所述指纹点密度确定与每一个所述指纹点对应的指纹点权重值;
根据目标区域内与每一个指纹点相对应的指纹点特征值,以及与所述指纹点特征值相对应的指纹点权重值,确定与所述目标区域相对应的当前质心数据。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种质心确定方法,其特征在于,包括:
基于指纹点密度确定算法,确定目标区域内与每一个指纹点相对应的指纹点密度;
根据所述指纹点密度确定与每一个所述指纹点对应的指纹点权重值;
根据目标区域内与每一个指纹点相对应的指纹点特征值,以及与所述指纹点特征值相对应的指纹点权重值,确定与所述目标区域相对应的当前质心数据。
2.根据权利要求1所述的方法,其特征在于,在所述基于指纹点密度确定算法,确定目标区域内与每一个指纹点相对应的指纹点密度之前,还包括:
按照预设划分规则将预设区域划分为至少两个目标区域,以分别确定与每个目标区域相对应的当前质心数据。
3.根据权利要求1所述的方法,其特征在于,所述基于指纹点密度确定算法,确定目标区域内与每一个指纹点相对应的指纹点密度,包括:
依次获取目标区域中的每一个指纹点,并作为目标指纹点;
确定并统计在所述目标指纹点预设邻域内指纹点的数量,并将所述数量作为与所述目标指纹点相对应的指纹点密度。
4.根据权利要求1所述的方法,其特征在于,所述根据所述指纹点密度确定与每一个所述指纹点对应的指纹点权重值,包括:
对目标区域内与每一个指纹点相对应的指纹点密度进行累加,得到与所述目标区域相对应的第一数值;
基于与每一个指纹点相对应的指纹点密度以及所述第一数值,得到与每一个指纹点相对应的指纹点权重值。
5.根据权利要求1所述的方法,其特征在于,所述根据目标区域内与每一个指纹点相对应的指纹点特征值,以及与所述指纹点特征值相对应的指纹点权重值,确定与所述目标区域相对应的当前质心数据,包括:
计算每一个指纹点特征值,与所述指纹点权重值的乘积,得到与每个指纹点特征值相对应的待处理数据;
基于所述待处理数据得到与所述目标区域相对应的当前质心数据;
其中,所述待处理数据的数量与所述目标区域内指纹点的数量相同。
6.根据权利要求5所述的方法,其特征在于,所述基于所述待处理数据,得到与所述目标区域相对应的当前质心数据,包括:
将所述待处理数据进行累加,得到与所述目标区域相对应的当前质心数据。
7.根据权利要求1所述的方法,其特征在于,还包括:
当接收到新指纹点特征值时,确定所述新指纹点特征值所属的区域,并作为目标区域;
根据所述新指纹点特征值更新与所述目标区域相对应的当前质心数据。
8.一种质心确定装置,其特征在于,包括:
指纹点密度确定模块,用于基于指纹点密度确定算法,确定目标区域内与每一个指纹点相对应的指纹点密度;
指纹点权重值确定模块,用于根据所述指纹点密度确定与每一个所述指纹点对应的指纹点权重值;
质心数据确定模块,用于根据目标区域内与每一个指纹点相对应的指纹点特征值,以及与所述指纹点特征值相对应的指纹点权重值,确定与所述目标区域相对应的当前质心数据。
9.一种服务器,其特征在于,所述服务器包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的质心确定方法。
10.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的质心确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010001745.5A CN113068123A (zh) | 2020-01-02 | 2020-01-02 | 一种质心确定方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010001745.5A CN113068123A (zh) | 2020-01-02 | 2020-01-02 | 一种质心确定方法、装置、服务器及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113068123A true CN113068123A (zh) | 2021-07-02 |
Family
ID=76558236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010001745.5A Pending CN113068123A (zh) | 2020-01-02 | 2020-01-02 | 一种质心确定方法、装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113068123A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106528621A (zh) * | 2016-09-30 | 2017-03-22 | 四川用联信息技术有限公司 | 一种改进的密度文本聚类算法 |
CN108534779A (zh) * | 2018-03-09 | 2018-09-14 | 华中科技大学 | 一种基于轨迹纠正和指纹改进的室内定位地图构建方法 |
CN109313803A (zh) * | 2016-06-16 | 2019-02-05 | 皇家飞利浦有限公司 | 一种用于映射对象的身体的至少部分的图像中的结构的至少部分的方法和装置 |
US20190108401A1 (en) * | 2017-10-06 | 2019-04-11 | Sorenson Media, Inc. | Scene Frame Matching for Automatic Content Recognition |
CN110378402A (zh) * | 2019-07-09 | 2019-10-25 | 北京工业大学 | 一种自学习属性权重的K-means聚类方法 |
-
2020
- 2020-01-02 CN CN202010001745.5A patent/CN113068123A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109313803A (zh) * | 2016-06-16 | 2019-02-05 | 皇家飞利浦有限公司 | 一种用于映射对象的身体的至少部分的图像中的结构的至少部分的方法和装置 |
CN106528621A (zh) * | 2016-09-30 | 2017-03-22 | 四川用联信息技术有限公司 | 一种改进的密度文本聚类算法 |
US20190108401A1 (en) * | 2017-10-06 | 2019-04-11 | Sorenson Media, Inc. | Scene Frame Matching for Automatic Content Recognition |
CN108534779A (zh) * | 2018-03-09 | 2018-09-14 | 华中科技大学 | 一种基于轨迹纠正和指纹改进的室内定位地图构建方法 |
CN110378402A (zh) * | 2019-07-09 | 2019-10-25 | 北京工业大学 | 一种自学习属性权重的K-means聚类方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109783490B (zh) | 数据融合方法、装置、计算机设备及存储介质 | |
CN111145076B (zh) | 数据并行化处理方法、系统、设备及存储介质 | |
CN110728313B (zh) | 一种用于意图分类识别的分类模型训练方法及装置 | |
CN111522968B (zh) | 知识图谱融合方法及装置 | |
CN111125658A (zh) | 识别欺诈用户的方法、装置、服务器和存储介质 | |
CN111611390B (zh) | 一种数据处理方法及装置 | |
CN111062431A (zh) | 图像聚类方法、图像聚类装置、电子设备及存储介质 | |
CN111291936B (zh) | 产品生命周期预估模型生成方法、装置及电子设备 | |
CN113723618A (zh) | 一种shap的优化方法、设备及介质 | |
CN114241411B (zh) | 基于目标检测的计数模型处理方法、装置及计算机设备 | |
CN113408070B (zh) | 发动机参数的确定方法、装置、设备及存储介质 | |
CN110069997A (zh) | 场景分类方法、装置及电子设备 | |
CN111861757A (zh) | 一种融资匹配方法、系统、设备和存储介质 | |
CN111790151A (zh) | 一种场景中物体加载方法、装置、存储介质及电子设备 | |
CN111815748A (zh) | 一种动画处理方法、装置、存储介质及电子设备 | |
CN111049988A (zh) | 移动设备的亲密度预测方法、系统、设备及存储介质 | |
CN111460137A (zh) | 一种基于主题模型的微服务关注点识别方法、设备及介质 | |
CN113068123A (zh) | 一种质心确定方法、装置、服务器及存储介质 | |
US20210406773A1 (en) | Transforming method, training device, and inference device | |
CN115730591A (zh) | 基于知识图谱的用户服务方法、装置、设备和存储介质 | |
CN114974438A (zh) | 粒子运动模拟方法、装置、设备、存储介质和程序产品 | |
CN111125272B (zh) | 一种区域特征获取方法、装置、计算机设备及介质 | |
CN113920381A (zh) | 重复派生指标识别方法、电子设备及可读存储介质 | |
CN110968690A (zh) | 词语的聚类划分方法和装置、设备以及存储介质 | |
CN114003630B (zh) | 一种数据搜索方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210702 |
|
RJ01 | Rejection of invention patent application after publication |