专利交易市场

本发明公开一种用于结构化数据的半监督学习的方法，构建用于结构化数据的半监督对抗神经网络模型，对原始结构化数据X预处理，将原始数据X的特征划分成类别型特征子集xCT和数值型特征子集xNL；模型判别器的原始输入为{x1，xu，xg}，其中x1，xu分别是有标记和无标记样本，xg为生成器生成的样本，x1，xu包含的特征集相同，将样本的类别特征子集xCT输入Embedding layer，得到对应的稠密嵌入向量E(xCT)，再与数值型特征子集xNL组合得到具有新特征集的样本E(xCT)+xNL，应用BN技术得到归一化的包含新特征集的样本，将新样本输入判别器进行训练，生成样本xg则直接作为判别器的输入；生成器，由三层全连接网络组成并且每一层的输出都应用BN防止梯度弥散，噪声作为输出，得到拥有特征E(xCT)+xNL的生产样本xg。

本发明公开了一种基于众包数据的位置指纹数据库快速构建方法，S1、基于PDR、粒子滤波和地图约束的裂变建库；S2、基于MDS纠正非显式地标点区域的PDR累积误差。本发明基于裂变方式和设置路径有效时间阈值构建位置指纹数据库，并采用MDS结合隐式地标点纠正PDR累计误差，同时，基于加权多维WiFi数值特征构建短距离位置指纹关联模型；相对于现有技术可以快速构建位置指纹数据库，减少传感器的累计误差，提高位置和指纹的匹配精度，有效地解决了现有技术中频繁打扰用户，位置和指纹匹配精度低的问题。