一种基于信息矩的组群数量多样性估计方法技术

本发明专利技术一种基于信息矩的组群数量多样性估计方法，属于物联网数据分析技术领域，结合递归采样过程对采样过程进行更加合理的优化，利用种群信息矩，能够极大的反应大组群内部多样性等特性，对于组群决策，观察组群特性具有重要作用：具体包括递归采样和常用组识别，所述递归采样是将采样过程分层，得出采样概率；扫描每层被采样的组，根据哈希函数给出由其时隙组成的字节位图，采样之后进行基于阈值的常用组识别，在一个ALOHA时隙中识别常用组和非常用组，通过计算得出所有标签的矩估计即所有标签的数量特征。

An estimation method of group number diversity based on information moment

【技术实现步骤摘要】
一种基于信息矩的组群数量多样性估计方法
本专利技术属于物联网数据分析
，具体涉及一种基于信息矩的组群数量多样性估计方法，可用于大规模集散中心对于物品种类的管理。
技术介绍
随着物联网技术的发展，RFID技术已被广泛用于仓库管理，传统的管理系统基于产品数量的统计和产品种类的统计，但是单纯的产品数量并不能体现出这个种群的特征；对于产品种类计种类大小的估计需要阅读器某个组进行数量统计后再断电激活下一个组的标签进行种类大小估计，当种类特别多的时候就会造成极大的时间损耗；如果对特定组进行采样对于少数的组如果数量巨大且在采样中无论是否被采样对于采样结果的影响都很大，造成对群体估计的不准确，此外，单纯的组群数量不能很好的反映整体样本的特征，因此，设计一种合理的组群数量估计方法和反应组群数字特征的算法显得极为重要。
技术实现思路
本专利技术克服了现有技术的不足，提出一种基于信息矩的组群数量多样性估计方法，结合递归采样过程对采样过程进行更加合理的优化，利用种群信息矩，能够极大的反应大组群内部多样性等特性，对于组群决策，观察组群特性具有重本文档来自技高网...

【技术保护点】
1.一种基于信息矩的组群数量多样性估计方法，其特征在于，具体包括以下步骤：/na)采样分层：将采样过程分为i层，假设第0层采样概率为1即所有组都能被采样到，第一层采样概率为p，第二层的采样概率为p2以此类推，下一层为上一层的子集；对于第j层，概率为pj；/nb)信息矩估计：扫描每层被采样的组，识别采样层的组是常用组还是非常用组，并根据哈希函数给出由其时隙组成的字节位图，然后使用编码信息对其组群大小，组群数目，组群矩进行估计，根据采样定理从低层到高层估计其g矩；/nc)常用组识别：采样之后进行基于阈值的常用组识别，在一个ALOHA时隙中识别常用组和非常用组：对于一个组中的所有标签在共享时隙中的索...

【技术特征摘要】
1.一种基于信息矩的组群数量多样性估计方法，其特征在于，具体包括以下步骤：
a)采样分层：将采样过程分为i层，假设第0层采样概率为1即所有组都能被采样到，第一层采样概率为p，第二层的采样概率为p2以此类推，下一层为上一层的子集；对于第j层，概率为pj；
b)信息矩估计：扫描每层被采样的组，识别采样层的组是常用组还是非常用组，并根据哈希函数给出由其时隙组成的字节位图，然后使用编码信息对其组群大小，组群数目，组群矩进行估计，根据采样定理从低层到高层估计其g矩；
c)常用组识别：采样之后进行基于阈值的常用组识别，在一个ALOHA时隙中识别常用组和非常用组：对于一个组中的所有标签在共享时隙中的索引为其中s为共享逻辑位图中时隙个数，h为哈希函数，gid为标签组id，这些时隙中的字节转化为组id的逻辑位图LB(gid).将上述过程进行w轮，Bi为第i次收集的位图，LBi为第i次阅读器收集标签形成的逻辑位图；估计总数：



zi是sharedbitmap中的非0个数；f为...

【专利技术属性】
技术研发人员：赵菊敏，李灯熬，吕晓宇，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：山西;14