技術(shù)特征：

1.一種基于模式分類的室內(nèi)外無縫切換方法，所述方法包含：

步驟101)掃描并記錄移動(dòng)終端附近的wifi信號(hào)的強(qiáng)度信息及北斗/GPS的導(dǎo)航定位信號(hào)，其中，所述北斗/GPS導(dǎo)航定位信號(hào)包含：移動(dòng)終端當(dāng)前的位置、方向或精度因子；

基于記錄的強(qiáng)度信息及導(dǎo)航定位信號(hào)構(gòu)造當(dāng)前移動(dòng)終端所在位置的特征向量；

步驟102)利用歷史數(shù)據(jù)對(duì)特征矢量和當(dāng)前位置的關(guān)系進(jìn)行學(xué)習(xí)，建立機(jī)器學(xué)習(xí)模型；

基于歷史數(shù)據(jù)生成訓(xùn)練樣本集，對(duì)所建立的機(jī)器學(xué)習(xí)模型加以訓(xùn)練進(jìn)而得到SVM識(shí)別函數(shù)，該SVM識(shí)別函數(shù)用于判斷當(dāng)前移動(dòng)終端位于室內(nèi)還是室外；

步驟103)基于得到的wifi信號(hào)的強(qiáng)度信息和北斗/GPS的導(dǎo)航定位信號(hào)，再根據(jù)建立的SVM識(shí)別函數(shù)，識(shí)別所述移動(dòng)終端的當(dāng)前狀態(tài)；

其中，所述當(dāng)前狀態(tài)為：移動(dòng)終端位于室內(nèi)或者室外；

步驟104)根據(jù)當(dāng)前狀態(tài)的識(shí)別結(jié)果，再進(jìn)一步判斷是否對(duì)移動(dòng)終端進(jìn)行室內(nèi)和室外間的切換操作，具體為：

設(shè)定第一閾值和第二閾值，所述第一閾值與第二閾值均為大于1的自然數(shù)；

當(dāng)移動(dòng)終端是從室外進(jìn)入室內(nèi)，且連續(xù)若干次判斷移動(dòng)終端當(dāng)前均在室內(nèi)，則實(shí)現(xiàn)室外向室內(nèi)模式的切換；其中，所述若干次的具體取值為大于等于第一閾值的數(shù)；

當(dāng)移動(dòng)終端是從室內(nèi)進(jìn)入室外，并連續(xù)若干次判斷移動(dòng)終端在室外時(shí)，則進(jìn)行室內(nèi)模式向室外模式的切換；其中，所述若干次的具體取值為大于等于第二閾值的數(shù)。

2.根據(jù)權(quán)利要求1所述的基于模式分類的室內(nèi)外無縫切換方法，其特征在于，所述步驟102)進(jìn)一步包括：

步驟102-1)將整個(gè)待定位區(qū)域劃分為“J×K”個(gè)網(wǎng)格，并將每個(gè)網(wǎng)格的坐標(biāo)點(diǎn)記為其中，j＝1,2,…,J且k＝1,2,…,K；

步驟102-2)基于歷史數(shù)據(jù)對(duì)每個(gè)網(wǎng)格的wifi信號(hào)強(qiáng)度、北斗/GPS導(dǎo)航信息進(jìn)行采集，構(gòu)造位置識(shí)別特征向量；

步驟102-3)以每個(gè)網(wǎng)格點(diǎn)采集的信息構(gòu)成的位置特征向量作為輸入點(diǎn)，以當(dāng)前移動(dòng)終端處在室內(nèi)還是室外的狀態(tài)作為輸出，進(jìn)而生成訓(xùn)練樣本集，其中，采用一 位二進(jìn)制數(shù)表示處于室外和室外兩種狀態(tài)：所述輸入特征集表示為：X＝[x₁,x₂,…,x_J×K]；所述輸出目標(biāo)集表示為：f＝[y₁,y₂,…,y_J×K]；

步驟102-4)采用步驟102-3)所得到的訓(xùn)練樣本集對(duì)支持向量機(jī)進(jìn)行訓(xùn)練，利用訓(xùn)練樣本集給出的輸入特征集和輸出目標(biāo)集，對(duì)SVM進(jìn)行訓(xùn)練，得到用于判斷當(dāng)前移動(dòng)終端所在位置的SVM識(shí)別函數(shù)。

3.根據(jù)權(quán)利要求2所述的基于模式分類的室內(nèi)外無縫切換方法，其特征在于，所述步驟102-4)采用如下算法對(duì)SVM進(jìn)行訓(xùn)練：

步驟102-4-1)利用二次規(guī)劃算法，求解下式的最優(yōu)化問題：

$\begin{array}{c}\underset{\mathrm{\α},{\mathrm{\α}}^{*}}{\max }\{-\mathrm{\ϵ}\underset{m=1}{\overset{J\×K}{\Σ}}({{\mathrm{\α}}_m}^{*}+{\mathrm{\α}}_m)+\underset{m=1}{\overset{J\×K}{\Σ}}{f}_m({{\mathrm{\α}}_m}^{*}-{\mathrm{\α}}_m)-\frac{1}{2}\underset{m=1}{\overset{J\×K}{\Σ}}\underset{n=1}{\overset{J\×K}{\Σ}}{({{\mathrm{\α}}_m}^{*}-{\mathrm{\α}}_m)}^{T}K(X_m,X_n)({{\mathrm{\α}}_n}^{*}-{\mathrm{\α}}_n)\}\\ s.t.\\ \underset{m=1}{\overset{J\×K}{\Σ}}({\mathrm{\α}}_m-{{\mathrm{\α}}_m}^{*})=0,0\≤C,m=1,\mathrm{2...},J\×K\end{array}$

其中，ε為一給定的參數(shù)值，α_m^*、α_m為訓(xùn)練求取的參數(shù)，f_m為訓(xùn)練輸出集的第m個(gè)目標(biāo)輸出值，X_m為輸入特征集的第m個(gè)樣本，K(X_m,X_n)為徑向基函數(shù)核函數(shù)；

所述徑向基函數(shù)核函數(shù)為：

$K(X_m,X_n)=\exp (-\frac{\left|\right|X_m-X_n|{|}^2}{2{\mathrm{\γ}}^2})$

其中，γ為高斯核函數(shù)寬度參數(shù)；

步驟102-4-2)訓(xùn)練完成后，建立的SVM函數(shù)為：

${\hat{y}}_i\left(x\right)=\underset{m=1}{\overset{J\×K}{\Σ}}({{\mathrm{\α}}_m}^{*}-{\mathrm{\α}}_m)K(X_m,X)+b$

其中，b為訓(xùn)練得到的閾值，α_m^*、α_m為訓(xùn)練求取的參數(shù)；X＝(x,y)^T為給定的待預(yù)測(cè)樣本特征矢量；為識(shí)別函數(shù)的輸出值。

4.根據(jù)權(quán)利要求3所述的基于模式分類的室內(nèi)外無縫切換方法，其特征在于，所述步驟103)進(jìn)一步包括：

步驟103-1)利用步驟102)獲得的位置識(shí)別函數(shù)對(duì)移動(dòng)終端的當(dāng)前位置進(jìn)行位置識(shí)別，其中對(duì)于任意輸入x的識(shí)別結(jié)果為：

$I=\left\{\begin{array}{cc}1& {\hat{y}}_i\left(x\right)\≥0.5\\ 0& {\hat{y}}_i\left(x\right)\<0.5\end{array}\right.;$

步驟103-2)當(dāng)I＝1時(shí)，判斷當(dāng)前處于室外；當(dāng)I＝0時(shí)，當(dāng)前移動(dòng)終端處于室內(nèi)。

5.一種基于模式分類的室內(nèi)外無縫切換系統(tǒng)，其特征在于，所述系統(tǒng)包含：

信號(hào)采集記錄模塊，用于掃描并記錄移動(dòng)終端附近的wifi信號(hào)的強(qiáng)度信息及北斗/GPS的導(dǎo)航定位信號(hào)，其中，所述北斗/GPS導(dǎo)航定位信號(hào)包含：移動(dòng)終端當(dāng)前的位置、方向或精度因子；基于記錄的強(qiáng)度信息及導(dǎo)航定位信號(hào)構(gòu)造當(dāng)前移動(dòng)終端所在位置的特征向量；

構(gòu)造SVM識(shí)別函數(shù)的模塊，用于利用歷史數(shù)據(jù)對(duì)特征矢量和當(dāng)前位置的關(guān)系進(jìn)行學(xué)習(xí)，建立機(jī)器學(xué)習(xí)模型；基于歷史數(shù)據(jù)生成訓(xùn)練樣本集，對(duì)所建立的機(jī)器學(xué)習(xí)模型加以訓(xùn)練進(jìn)而得到SVM識(shí)別函數(shù)，該SVM識(shí)別函數(shù)用于判斷當(dāng)前移動(dòng)終端位于室內(nèi)還是室外；

當(dāng)前狀態(tài)判決模塊，用于基于得到的wifi信號(hào)的強(qiáng)度信息和北斗/GPS的導(dǎo)航定位信號(hào)，再根據(jù)建立的SVM識(shí)別方程，識(shí)別所述移動(dòng)終端的當(dāng)前狀態(tài)；其中，所述當(dāng)前狀態(tài)為：移動(dòng)終端位于室內(nèi)或者室外；

切換決策模塊，用于根據(jù)當(dāng)前狀態(tài)的識(shí)別結(jié)果，再進(jìn)一步判斷是否對(duì)移動(dòng)終端進(jìn)行室內(nèi)和室外間的切換操作，具體為：

設(shè)定第一閾值和第二閾值，所述第一閾值與第二閾值均為大于1的自然數(shù)；

當(dāng)移動(dòng)終端是從室外進(jìn)入室內(nèi)，且連續(xù)若干次判斷移動(dòng)終端當(dāng)前均在室內(nèi)，則實(shí)現(xiàn)室外向室內(nèi)模式的切換；其中，所述若干次的具體取值為大于等于第一閾值的數(shù)；

當(dāng)移動(dòng)終端是從室內(nèi)進(jìn)入室外，并連續(xù)若干次判斷移動(dòng)終端在室內(nèi)時(shí)，則進(jìn)行室內(nèi)模式向室外模式的切換；其中，所述若干次的具體取值為大于等于第二閾值的數(shù)。

6.根據(jù)權(quán)利要求1所述的基于模式分類的室內(nèi)外無縫切換系統(tǒng)，其特征在于，所述構(gòu)造SVM識(shí)別函數(shù)的模塊進(jìn)一步包括：

劃分子模塊，用于將整個(gè)待定位區(qū)域劃分為“J×K”個(gè)網(wǎng)格，并將每個(gè)網(wǎng)格的坐標(biāo)點(diǎn)記為其中，j＝1,2,…,J且k＝1,2,…,K；

特征矢量構(gòu)造子模塊，用于基于歷史數(shù)據(jù)對(duì)每個(gè)網(wǎng)格的wifi信號(hào)強(qiáng)度、北斗/GPS導(dǎo)航信息進(jìn)行采集，構(gòu)造位置識(shí)別特征向量；

訓(xùn)練樣本獲取子模塊，用于以每個(gè)網(wǎng)格點(diǎn)采集的信息構(gòu)成的位置特征向量作為輸入點(diǎn)，以當(dāng)前移動(dòng)終端處在室內(nèi)還是室外的狀態(tài)作為輸出，進(jìn)而生成訓(xùn)練樣本集，其中，采用一位二進(jìn)制數(shù)表示處于室外和室外兩種狀態(tài)：所述輸入特征集表示為：X＝[x₁,x₂,…,x_J×K]；所述輸出目標(biāo)集表示為：f＝[y₁,y₂,…,y_J×K]；

訓(xùn)練子模塊，用于采用得到的訓(xùn)練樣本集對(duì)支持向量機(jī)進(jìn)行訓(xùn)練，利用訓(xùn)練樣本集給出的輸入特征集和輸出目標(biāo)集，對(duì)SVM進(jìn)行訓(xùn)練，得到用于判斷當(dāng)前移動(dòng)終端所在位置的SVM識(shí)別函數(shù)。

7.根據(jù)權(quán)利要求6所述的基于模式分類的室內(nèi)外無縫切換系統(tǒng)，其特征在于，所述訓(xùn)練子模塊還包含：

第一處理子單元，用于利用二次規(guī)劃算法，求解下式的最優(yōu)化問題：

$\begin{array}{c}\underset{\mathrm{\α},{\mathrm{\α}}^{*}}{\max }\{-\mathrm{\ϵ}\underset{m=1}{\overset{J\×K}{\Σ}}({{\mathrm{\α}}_m}^{*}+{\mathrm{\α}}_m)+\underset{m=1}{\overset{J\×K}{\Σ}}{f}_m({{\mathrm{\α}}_m}^{*}-{\mathrm{\α}}_m)-\frac{1}{2}\underset{m=1}{\overset{J\×K}{\Σ}}\underset{n=1}{\overset{J\×K}{\Σ}}{({{\mathrm{\α}}_m}^{*}-{\mathrm{\α}}_m)}^{T}K(X_m,X_n)({{\mathrm{\α}}_n}^{*}-{\mathrm{\α}}_n)\}\\ s.t.\\ \underset{m=1}{\overset{J\×K}{\Σ}}({\mathrm{\α}}_m-{{\mathrm{\α}}_m}^{*})=0,0\≤C,m=1,\mathrm{2...},J\×K\end{array}$

其中，ε為一給定的參數(shù)值，α_m^*、α_m為訓(xùn)練求取的參數(shù)，f_m為訓(xùn)練輸出集的第m個(gè)目標(biāo)輸出值，X_m為輸入特征集的第m個(gè)樣本，K(X_m,X_n)為徑向基函數(shù)核函數(shù)；

所述徑向基函數(shù)核函數(shù)為：

$K(X_m,X_n)=\exp (-\frac{\left|\right|X_m-X_n|{|}^2}{2{\mathrm{\γ}}^2})$

其中，γ為高斯核函數(shù)寬度參數(shù)；

第二處理子單元，用于訓(xùn)練完成后建立SVM識(shí)別函數(shù)為：

${\hat{y}}_i\left(x\right)=\underset{m=1}{\overset{J\×K}{\Σ}}({{\mathrm{\α}}_m}^{*}-{\mathrm{\α}}_m)K(X_m,X)+b$

其中，b為訓(xùn)練得到的閾值，α_m^*、α_m為訓(xùn)練求取的參數(shù)；X＝(x,y)^T為給定的待預(yù)測(cè)樣本特征矢量；為識(shí)別函數(shù)的輸出值。

8.根據(jù)權(quán)利要求7所述的基于模式分類的室內(nèi)外無縫切換系統(tǒng)，其特征在于，所述當(dāng)前狀態(tài)判決模塊進(jìn)一步包括：

識(shí)別預(yù)處理子模塊，用于利用獲得的位置識(shí)別函數(shù)對(duì)移動(dòng)終端的當(dāng)前位置進(jìn)行位置識(shí)別，其中對(duì)于任意輸入x的識(shí)別結(jié)果為：

$I=\left\{\begin{array}{cc}1& {\hat{y}}_i\left(x\right)\≥0.5\\ 0& {\hat{y}}_i\left(x\right)\<0.5\end{array}\right.;$

識(shí)別子模塊，用于依據(jù)如下原則作出判決：當(dāng)I＝1時(shí)，判斷當(dāng)前處于室外；當(dāng)I＝0時(shí)，當(dāng)前移動(dòng)終端處于室內(nèi)。