一种基于空间和跨域相关性的感知位置选择方法

摘要

本发明涉及一种基于空间和跨域相关性的感知位置选择方法。该方法首先分别针对空间相关性与跨域相关性对现有的缺失数据推测算法进行适配与改进，然后针对具体的缺失数据推测算法，进行感知任务选择策略的设计(首先设计推测算法标签误差的替代性指标，该指标需能够在真值标签未知时估计不同待标记样例对结果的贡献，然后借鉴经典主动学习的样例选择策略，设计基于样例不确定度或模型不确定度的计算指标)，分别实现了利用空间相关性的基于克里金插值的推测器与选择器以及利用跨域相关性的基于回归树的推测器与选择器，最后对空间和跨域信息生成的推测结果进行存储，使用多元回归来动态整合，使得在给定成本限定的条件下，获得的数据质量最优。