买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉合肥工业大学申请的专利基于UMAP降维的Stacking组合模型的WAPI室内定位方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119835757B 。

龙图腾网通过国家知识产权局官网在2025-11-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510033182.0，技术领域涉及：H04W64/00；该发明授权基于UMAP降维的Stacking组合模型的WAPI室内定位方法是由刘昱辰;吴东杰;费雯欣;夏娜;刘伟设计研发完成，并于2025-01-09向国家知识产权局提交的专利申请。

本基于UMAP降维的Stacking组合模型的WAPI室内定位方法在说明书摘要公布了：本发明公开了一种基于UMAP降维的Stacking组合模型WAPI室内定位方法，包括：1、采集建筑物内多个位置点的WiFi信号强度RSSI数据，并将其与对应的坐标信息进行关联，建立初始指纹数据库；2、引入均匀流形近似投影UMAP算法，对初始指纹数据进行降维，保留核心特征信息，得到指纹数据库；3、选取若干个初级学习器，以RF为次级学习器，构建Stacking组合模型，通过学习指纹数据库中的数据，建立特征与位置之间的映射关系；4、WLAN路由器实时采集目标的RSSI数据并上传平台，平台端利用上述映射关系得到目标位置估计，再通过Stacking组合模型完成位置的精确预测。本发明具有较高的定位精度和计算效率，适用于各种室内场景下的WAPI的目标定位和跟踪，具有广阔的应用前景。

本发明授权基于UMAP降维的Stacking组合模型的WAPI室内定位方法在权利要求书中公布了：1.一种基于UMAP降维的Stacking组合模型的WAPI室内定位方法，其特征在于，是按如下步骤进行： 步骤1、采集目标建筑物内多个位置点的WiFi信号强度信息并进行缺失值、负值预处理后，得到初始指纹数据库；其中，表示初始指纹数据库中第个位置样本点，且，表示初始指纹数据库中第个位置样本点的WiFi信号强度信息，表示初始指纹数据库中第个位置样本点的二维位置坐标；表示位置样本点的总数；的真实标签记为； 步骤2、利用均匀流形近似投影算法对进行特征提取，从而得到降维后的指纹数据库；其中，表示降维后的第i个位置样本点； 步骤2.1：计算的k个最近邻点；其中，表示的第j个最近邻点；k表示的最近邻点的个数； 步骤2.2：利用式1计算与k个最近邻点之间的最小距离： 1 式1中，表示与第j个最近邻点的欧氏距离； 步骤2.3：利用式2计算的局部尺度： =2 步骤2.4：利用式3计算归一化常数K： 3 步骤2.5：利用式4得到与之间的正向权重： 4 步骤2.6：利用式5获得与之间的对称全局拓扑结构： 5 式5中，表示与之间的反向权重； 步骤2.7：利用式6获得与的嵌入相似性： 6 式6中，在低维空间的映射，表示在低维空间的映射，a、b为2个控制参数； 步骤2.8：利用式7调整a、b，从而得到更新后的嵌入相似性； 7 式7中，min_dist为设定的嵌入最小间距； 步骤2.9：利用式8构建交叉熵损失函数CE： 8 步骤2.10：利用随机梯度下降算法对交叉熵损失函数CE进行优化，进而得到降维后的指纹数据库；其中，表示降维后的第i个位置样本点； 步骤3：构建第个初级学习器，并对进行处理，得到的预测值，从而利用式9对第个初级学习器的参数进行更新，得到更新后的第个初级学习器： 9 式9中，L是第个初级学习器的损失函数； 步骤4：利用更新后的第个初级学习器对初始指纹数据库中的WiFi信号强度信息进行预测，从而利用式10得到第个预测矩阵： 10 步骤5：将所有初级学习器的预测矩阵与拼接后，得到堆叠层特征矩阵； 步骤6：将堆叠层特征矩阵输入次级学习器中进行处理，得到原始目标变量，从而利用式11对次级学习器的参数进行更新，得到更新后的次级学习器： 11 式11中，是堆叠层特征矩阵的第i个特征向量，表示原始目标变量中第i个位置样本点； 步骤7、获取待预测的新样本并输入第个初级学习器进行预测，得到的预测值，从而将所有预测结果拼接后，得到堆叠层特征矩阵，再输入更新后的次级学习器中进行处理，得到最终的预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。