1.一种电子装置，其特征在于，所述电子装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的楼层定位系统，所述楼层定位系统被所述处理器执行时实现如下步骤：定时获取移动终端检测的海拔高度，将获取的海拔高度与预设的初始海拔高度进行比较获得高度差；

在高度差超过预设海拔阈值时，接收移动终端在当前位置检测到的多台无线设备的设备信号数据，从所述设备信号数据中提取每台无线设备的信号强度数据作为特征值，组合每台无线设备的特征值生成一个特征向量；

将所述特征向量输入预先训练好的楼层定位分类模型中，预测出所述移动终端的楼层；

根据获取的海拔高度相对所述初始海拔高度的位置关系，验证所述预测出的楼层相对所述初始海拔高度所对应的楼层的位置关系是否合理；

若所述预测出的楼层相对所述初始海拔高度所对应的楼层的位置关系合理，则将所述预测出的楼层确定为所述移动终端所在的楼层，将所述预设的初始海拔高度更新为所述获取的海拔高度，以及将所述预测出的楼层设置为更新后的初始海拔高度所对应的楼层。

2.如权利要求1所述的电子装置，其特征在于，所述楼层定位分类模型的训练步骤包括：E1、针对每一楼层，均匀选定预设数量采样点，采集每一个采样点处检测到的多台无线设备的设备信号数据，对每一个设备信号数据，提取相应的每台无线设备的信号强度数据作为特征值，组合每台无线设备的特征值生成该采样点的特征向量；

E2、通过聚类算法将计算出的各个特征向量聚类成预设的n个特征类别，并确定各个特征类别的中心点特征向量；

E3、针对每个特征类别，计算出其各个特征向量分别到其中心点特征向量的距离，确定到其中心点特征向量最近的特征向量，将该确定的特征向量对应的采样点作为该特征类别的关键点；

E4、将各个楼层的关键点分别标注对应的楼层标签，将所述关键点分为第一百分比的训练集和第二百分比的验证集，所述第一百分比和第二百分比之和小于或者等于100％；

E5、利用训练集中的关键点的信号强度的特征向量对所述预设类型分类模型进行训练，并在训练完成后利用验证集对所述预设类型分类模型的准确率进行验证；

E6、若准确率大于预设阈值，则模型训练结束；

E7、若准确率小于或者等于预设阈值，则增大n值，重新执行上述步骤E2至E5。

3.如权利要求2所述的电子装置，其特征在于，各个特征类别各自的中心点特征向量的确定步骤为：对聚类后得到的各个特征类别分别采用计算公式 进行计算，以得到各个特征类别各自的中心点特征向量，所述计算公式中，n表示类别中特征向量的个数，F(i)表示第i个特征向量，Xk表示特征向量中第k个元素的值。

4.如权利要求1至3中任意一项所述的电子装置，其特征在于，所述移动终端对检测到的每一个无线设备的信号强度数据的确定步骤包括：对检测到的无线设备，获取该无线设备在第一预设时长内的一组特征信号强度；

将获取的该组特征信号强度作为基数，按预设的加权方式对该基数加权后求加权和，将得出的加权和确定为该无线设备的信号强度数据，所述预设的加权方式为：根据数据在其所在的基数中的出现频次占比，赋予对应的权重占比。

5.一种楼层定位方法，其特征在于，该楼层定位方法包括步骤：

定时获取移动终端检测的海拔高度，将获取的海拔高度与预设的初始海拔高度进行比较获得高度差；

在高度差超过预设海拔阈值时，接收移动终端在当前位置检测到的多台无线设备的设备信号数据，从所述设备信号数据中提取每台无线设备的信号强度数据作为特征值，组合每台无线设备的特征值生成一个特征向量；

将所述特征向量输入预先训练好的楼层定位分类模型中，预测出所述移动终端的楼层；

根据获取的海拔高度相对所述初始海拔高度的位置关系，验证所述预测出的楼层相对所述初始海拔高度所对应的楼层的位置关系是否合理；

若所述预测出的楼层相对所述初始海拔高度所对应的楼层的位置关系合理，则将所述预测出的楼层确定为所述移动终端所在的楼层，将所述预设的初始海拔高度更新为所述获取的海拔高度，以及将所述预测出的楼层设置为更新后的初始海拔高度所对应的楼层。

6.如权利要求5所述的楼层定位方法，其特征在于，所述楼层定位分类模型的训练步骤包括：F1、针对每一楼层，均匀选定预设数量采样点，采集每一个采样点处检测到的多台无线设备的设备信号数据，对每一个设备信号数据，提取相应的每台无线设备的信号强度数据作为特征值，组合每台无线设备的特征值生成该采样点的特征向量；

F2、通过聚类算法将计算出的各个特征向量聚类成预设的n个特征类别，并确定各个特征类别的中心点特征向量；

F3、针对每个特征类别，计算出其各个特征向量分别到其中心点特征向量的距离，确定到其中心点特征向量最近的特征向量，将该确定的特征向量对应的采样点作为该特征类别的关键点；

F4、将各个楼层的关键点分别标注对应的楼层标签，将所述关键点分为第一百分比的训练集和第二百分比的验证集，所述第一百分比和第二百分比之和小于或者等于100％；

F5、利用训练集中的关键点的信号强度的特征向量对所述预设类型分类模型进行训练，并在训练完成后利用验证集对所述预设类型分类模型的准确率进行验证；

F6、若准确率大于预设阈值，则模型训练结束；

F7、若准确率小于或者等于预设阈值，则增大n值，重新执行上述步骤F2至F5。

7.如权利要求6所述的楼层定位方法，其特征在于，各个特征类别各自的中心点特征向量的确定步骤为：对聚类后得到的各个特征类别分别采用计算公式 进行计算，以得到各个特征类别各自的中心点特征向量，所述计算公式中，n表示类别中特征向量的个数，F(i)表示第i个特征向量，Xk表示特征向量中第k个元素的值。

8.如权利要求5至7中任意一项所述的楼层定位方法，其特征在于，所述移动终端对检测到的每一个无线设备的信号强度数据的确定步骤包括：对检测到的无线设备，获取该无线设备在第一预设时长内的一组特征信号强度；

将获取的该组特征信号强度作为基数，按预设的加权方式对该基数加权后求加权和，将得出的加权和确定为该无线设备的信号强度数据，所述预设的加权方式为：根据数据在其所在的基数中的出现频次占比，赋予对应的权重占比。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有楼层定位系统，所述楼层定位系统可被至少一个处理器执行，以使所述至少一个处理器执行如下步骤：定时获取移动终端检测的海拔高度，将获取的海拔高度与预设的初始海拔高度进行比较获得高度差；

在高度差超过预设海拔阈值时，接收移动终端在当前位置检测到的多台无线设备的设备信号数据，从所述设备信号数据中提取每台无线设备的信号强度数据作为特征值，组合每台无线设备的特征值生成一个特征向量；

将所述特征向量输入预先训练好的楼层定位分类模型中，预测出所述移动终端的楼层；

根据获取的海拔高度相对所述初始海拔高度的位置关系，验证所述预测出的楼层相对所述初始海拔高度所对应的楼层的位置关系是否合理；

若所述预测出的楼层相对所述初始海拔高度所对应的楼层的位置关系合理，则将所述预测出的楼层确定为所述移动终端所在的楼层，将所述预设的初始海拔高度更新为所述获取的海拔高度，以及将所述预测出的楼层设置为更新后的初始海拔高度所对应的楼层。

10.如权利要求9所述的计算机可读存储介质，其特征在于，所述移动终端对检测到的每一个无线设备的信号强度数据的确定步骤包括：对检测到的无线设备，获取该无线设备在第一预设时长内的一组特征信号强度；

将获取的该组特征信号强度作为基数，按预设的加权方式对该基数加权后求平均值，所述预设的加权方式为：根据数据在其所在的基数中的出现频次占比，赋予对应的权重占比。