一种基于决策树分类器的跳数矩阵恢复方法技术

本发明专利技术公开了一种基于决策树分类器的跳数矩阵恢复方法，其包括步骤如下：S1：通过泛洪过程，获取的跳数矩阵

【技术实现步骤摘要】
一种基于决策树分类器的跳数矩阵恢复方法
本专利技术涉及无线传感器网络
，更具体的，涉及一种基于决策树分类器的跳数矩阵恢复方法。
技术介绍
物联网广泛应用于社会的各个领域，对于电子医疗、军事监测、农业生产等都具有重要意义。无线传感器网络作为物联网的基础，包含了大量的体积小、价格便宜的传感器节点。传感器节点随机分布在监控区域，无线传感器网络的核心功能是感知和报告数据，只有知道数据产生的位置，观测到的数据才有意义。因此，获取节点的位置信息是节点部署后的首要任务，这对于理解应用背景起着至关重要的作用。由于传统的全球定位系统(GlobalPositionSystem,GPS)系统需要昂贵的硬件设施和较大的能耗，基于GPS的定位方法不适合大规模的无线传感器网络。另外，GPS的室内定位能力很弱，不能满足无线传感器网络的多种应用场景。目前，无线传感器网络定位方案可分为两大类：基于测距的定位方案和基于非测距的定位方案。在实际场景中，用于非测距定位方案的跳数矩阵比用于测距定位方案的距离矩阵更容易获得，因为距离测量会受到噪声、多径效应、信号衰落或阴影的本文档来自技高网...

【技术保护点】
1.一种基于决策树分类器的跳数矩阵恢复方法，其特征在于：所述的方法包括步骤如下：/nS1：通过泛洪过程，获取的跳数矩阵

【技术特征摘要】
1.一种基于决策树分类器的跳数矩阵恢复方法，其特征在于：所述的方法包括步骤如下：
S1：通过泛洪过程，获取的跳数矩阵中含有缺失项；
S2：根据跳数矩阵中部分被观测到的跳数之间的关系构建训练集，将跳数矩阵中观测到的跳数值建模为训练集的标签，最大跳数值表示为类别数；
S3：根据步骤S2得到的训练样本集合训练决策树分类器；
S4：为没有观测到的跳数值构造特征，得到未知样本；将未知样本输入到训练好的决策树分类器，得到未知样本的类别，即得到矩阵中对应位置的缺失的跳数值，从而恢复出完整的跳数矩阵H。


2.根据权利要求1所述的基于决策树分类器的跳数矩阵恢复方法，其特征在于：构造建立任意节点i的跳数向量：hi＝{hi1，hi2，...，hin}，其中，hij表示节点i和节点j之间的跳数值；i＝1，...，n；j＝1，...，n；
所述的缺失的跳数矩阵表示为式(2)：



其中，⊙表示Hadamard乘积；Ω＝[ωij]n*n是一个二元矩阵；ωij表示跳数矩阵对应位置是否缺失，表示为：


3.根据权利要求2所述的基于决策树分类器的跳数矩阵恢复方法，其特征在于：在步骤S1之后，步骤S2之前，如果缺失的跳数的对称位置被观测到，使用对称位置跳数将其补齐。


4.根据权利要求3所述的基于决策树分类器的跳数矩阵恢复方法，其特征在于：步骤S2，具体的步骤如下：
S201：对跳数矩阵进行遍历，若某个位置跳数值被观测到，则进行下一步；否则遍历跳数矩阵中下一个值；
S202：跳数缺失的两个节点分别用节点i和节点j表示，相对于网络中其他所有的节点k，k＝1，2，...，n，计算节点i到节点k的之间跳数值和节点k到节点j之间的跳数值的跳数和的最小值，作为训练样本的第一个特征；
S203：计算节点i的邻居节点到节点j的跳数，和节点j的邻居节点到节点i的跳数的平均值，作为训练样本的第二个特征；
S204：将被观测到的跳数作为类别，加上构造的样本的第一个特征和第二个特征形成一个训练样本，加入到训练样本集合中；
S205：遍历整个跳数矩阵遍历结束后，得到训练样本集合。


5.根据权利要求4所述的基于决策树分类器的跳数矩阵恢复方法，其特征在于：步骤S203，具体的，初始化两个邻居列表Li和Lj，根据跳数向量选择节点i的邻居，...

【专利技术属性】
技术研发人员：刘星成，赵莹莹，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东;44