定位模型误差预测的方法及装置制造方法及图纸

本公开涉及一种定位模型误差预测的方法及装置。提供了一种训练误差预测模型的方法，该误差预测模型用于对待预测数据的利用定位预测模型得到的预测定位与实际定位之间的误差进行预测，该定位预测模型是利用训练集训练得到的，该方法包括：构造误差预测特征，该误差预测特征与该训练集相关联；构造误差预测标签，包括：利用该定位预测模型来预测验证集中的数据的定位，以及计算验证集中的数据的预测的定位与实际的定位之间的误差，基于该误差得到误差预测标签；以及以误差预测标签为监督，利用误差预测特征来训练误差预测模型。利用误差预测特征来训练误差预测模型。利用误差预测特征来训练误差预测模型。

【技术实现步骤摘要】
定位模型误差预测的方法及装置


[0001]本公开涉及人工智能领域，更具体地涉及一种定位模型误差预测的方法及装置。

技术介绍

[0002]随着位置服务日趋必要和广泛以及机器学习算法和大数据技术的日渐成熟，利用机器学习算法进行无线网络定位无论在学术领域还是在商用互联网方案设计的场景下都逐渐成为无线网络定位的关键技术之一。
[0003]位置服务的应用场景往往和定位精度密切相关，因此需要充分利用各种精度的定位数据。例如，可以选取定位精度高的数据加入训练集以增加训练集丰富度。例如，对于训练集覆盖窄的问题，可以采用半监督学习思想进行学习迭代。
[0004]目前广泛使用的定位模型在数学上采用回归的原理，利用机器学习算法基于大数据进行定位，在经过训练后可用于对无定位标签数据进行预测。由于预测数据无定位标签，并且需要解决的问题是回归任务，因此无法给出对每一个待预测样本的预测误差刻画。
[0005]目前主流的方法是在事先划分好的验证集中以验证集整体的误差水平来近似刻画待预测样本的总体误差，如图1所示。这种刻画至少存在以下缺陷：
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种训练误差预测模型的方法，所述误差预测模型用于对待预测数据的利用定位预测模型得到的预测定位与实际定位之间的误差进行预测，所述定位预测模型是利用训练集训练得到的，所述方法包括：构造误差预测特征，所述误差预测特征与所述训练集的采样密度及数据质量相关联；构造误差预测标签，包括：利用所述定位预测模型来预测验证集中的数据的定位，以及计算验证集中的数据的预测的定位与实际的定位之间的误差，基于所述误差得到误差预测标签；以及以误差预测标签为监督，利用误差预测特征来训练误差预测模型。2.根据权利要求1所述的方法，其中，构造误差预测特征包括：构造待预测数据特征；以及构造训练集局部密度特征。3.根据权利要求2所述的方法，其中，所述待预测数据特征包括：指示所述待预测数据中的主区参数和邻区参数是否缺失的值；以及所述待预测数据中的主区参数。4.根据权利要求2所述的方法，其中，构造训练集局部密度特征包括：判断所述待预测数据的主区编号是否包括在所述训练集的各个子集的临时主区字典中，如果所述待预测数据的主区编号包括在子集的临时主区字典中，则索引所述临时主区字典并将所述临时主区字典的对应字段包括在训练集局部密度特征中；判断所述待预测数据的邻区编号是否包括在所述训练集的各个子集的临时邻区字典中，如果所述待预测数据的邻区编号包括在子集的临时邻区字典中，则索引所述临时邻区字典并将所述临时邻区字典的对应字段包括在训练集局部密度特征中；以及计算各个子集中的数据的实际定位的统计特征，并将计算得到的统计特征包括在训练集局部密度特征中；其中，子集是将所述训练集根据所述训练集的数据的实际定位与所述待预测数据的预测定位相距的距离按照距离标准进行划分得到的。5.根据权利要求4所述的方法，其中，所述训练集的各个子集的临时主区字典如下构造：统计子集中的数据的主区编号出现的频率，按照频率从高到低选择多个主区，并将所述子集中的数据的主区参数的统计特征作为对应字段，其中，选择出的所述多个子区的编号和对应字段构成临时主区字典；其中，所述训练集的各个子集的临时邻区字典如下构造：统计子集中的数据的邻区编号出现的频率，按照频率从高到低选择多个邻区，并将所述子集中的数据的邻区参数的统计特征作为对应字段，其中，选择出的所述多个邻区的编号和对应字段构成临时邻区字典。
6.根据权利要求4所述的方法，其中，所述误差预测标签按照与将所述训练集划分为子集的距离标准相同的标准进行划分。7.一种预测定位预测模型的误差的方法，用于对待预测数据的利用定位预测模型得到的预测定位与实际定位之间的误差进行预测，所述方法包括：利用根据权利要求1
‑
6中任一项所述的方法训练误差预测模型；利用所述误差预测模型对所述待预测数据的误差进行预测。8.一种训练误差预测模型的装置，所述误差预测模型用于对待预测数据的利用定位预测模型得到的预测定位与实际定位之间的误差进行预测，所述定位预测模型是利用训练集训练得到的，所述装置包括：特征构造模块，所述特征构造模块被配置为构造误差预测特征，所述误差预测特征与所述训练集的采样密度及数据质量相关联；标签构造模块，所述标签构造模块被配置为如下构造误差预测标签：利用所述定位预测模型来预测验证集中的数据的定位，以及计算验证集中的数据的预测的定位与实际的定位之间的误差，基于所述误差得到误差预测标签；以及训练模块，所述训练模块被配置为以误差预测标签为监督利用误差预测特征来训练误差预测模型...

【专利技术属性】
技术研发人员：郑三强，原思平，许盛宏，何忠江，王昆，王兵，武巍，宫云平，罗伟华，余育青，姚彦强，许群路，郑博，范家杰，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：