1.一种Wi-Fi样本数据优化方法，其特征是，包括步骤如下：步骤1、计算Wi-Fi样本数据两两间的相似度和空间编码值，构建Wi-Fi样本数据的相似矩阵；

步骤2、根据Wi-Fi样本数据的相似矩阵对样本数据进行聚类分簇，并确定每一分簇的簇头，构建Wi-Fi样本数据的一重簇头集合；

步骤3、根据Wi-Fi样本数据的一重簇头结果，将一重簇头集合中的数据视为新的Wi-Fi样本数据，计算一重簇头两两间的相似度和空间编码值，构建一重簇头集合相对应的相似矩阵，根据获得的相似矩阵对一重簇头集合中的数据进行聚类分簇，并确定每一分簇的簇头，从而构建一重簇头的新簇头，即二重簇头集合；

步骤4、采用自顶向下的方法，利用一重簇头和二重簇头的结果，根据局部最优原则，筛选得到最优的Wi-Fi样本数据。

2.根据权利要求1所述的一种Wi-Fi样本数据优化方法，其特征是，步骤1所述Wi-Fi样本数据是位置坐标已知或可以通过其他先验知识来确定位置坐标的Wi-Fi信号，每一位置点上的Wi-Fi样本数据包含一个或多个AP的信息，其表述形式如下：其中，Fi表示为位置点i处获得的Wi-Fi样本数据，p是室内空间中AP的数量， 为位置点i处获得的第j个AP点的Wi-Fi信号的强度；

室内空间区域获得的Wi-Fi样本数据可以表示为：Data_WiFi＝{(x1,y1,F1),(x2,y2,F2),……,(xi,yi,Fi),……,(xn,yn,Fn)}其中，(xi,yi)为位置点i的二维坐标，n为位置点的个数。

3.根据权利要求1所述的一种Wi-Fi样本数据优化方法，其特征是，步骤1的子步骤如下：步骤1.1、Wi-Fi样本数据两两间的相似度采用Jaccard系数来进行描述，位置点i和位置点j上获得的Wi-Fi样本数据分别为Fi和Fj，则所述的Wi-Fi样本数据两两间的相似度可以表示为：其中，Fi∩Fj为样本数据Fi与Fj中对应位置的rss值相似的个数Ns，Fi∪Fj为Fi和Fj总的数据维数减去Ns得到的不重复的rss值个数；

Si,j的值越大，则Fi与Fj的相似程度越高；

Fi∩Fj和Fi∪Fj的计算过程如下：

DF＝p

其中，DF为Wi-Fi样本数据F的维数，ε为对应位置的两个rss值是否相似的判断阈值；

通过计算Wi-Fi样本数据两两间的Jaccard系数，由这些Jaccard系数构成这些Wi-Fi样本数据的Jaccard系数相似矩阵，其可以表示为：步骤1.2、根据0-1二进制编码思想，引入Wi-Fi样本数据间的空间编码值来描述Wi-Fi样本数据在空间上的相似程度：Wi-Fi样本数据Fi和Fj对应位置上的rss值分别进行比较，若两者满足条件k∈[1,p]，则说明该位置上的值 和 是相似的，给予编码为“1”，否则编码为“0”；

根据Wi-Fi样本数据Fi和Fj的编码结果，Wi-Fi样本数据Fi和Fj的空间编码值的计算为：其中序列{q1,...,qk,...,qp}为Wi-Fi样本数据Fi和Fj的编码结果，即两个Wi-Fi样本数据的编码序列，其中k＝[1,p]；b为编码基数，针对0-1二进制编码，则b＝2；

Wi-Fi样本数据两两间空间编码值构成其空间编码值矩阵，可以表示为：步骤1.3、根据Wi-Fi样本数据两两间的Jaccard系数，结合其空间编码值，来准确判定两个Wi-Fi样本数据是否相似，其相似矩阵可以表示为：其中Ri,j＝result(Js(i,j),Cs(i,j))＝result(Si,j,ci,j)。

4.根据权利要求1所述的一种Wi-Fi样本数据优化方法，其特征是，步骤2的子步骤如下：步骤2.1、鉴于基于密度的聚类算法DBSCAN能够将足够高密度的区域划分称为簇，针对局域内的Wi-Fi样本数据，相似矩阵中的每一行Rs(i,:)揭示了样本数据Fi与局域内其他样本数据的相似程度，与Fi密度可达的样本数据形成一个分簇，其可以表示如下：且需满足

其中 为Rs(i,j)＝1的个数，εn为成簇的最少元素阈值；

Wi-Fi样本数据的分簇结果可以表示如下：

其中K为局域内的Wi-Fi样本数据分簇个数；

步骤2.2、基于步骤2.1中得到的分簇结果，计算每一分簇的簇头，形成Wi-Fi样本数据的一重簇头集合，由分簇结果计算每一分簇的簇头表示为：Wi-Fi样本数据的一重簇头集合表示为：

5.根据权利要求1所述的一种Wi-Fi样本数据优化方法，其特征是，步骤3的子步骤如下：步骤3.1、基于步骤2中得到的Wi-Fi样本数据的一重簇头集合，将其作为新的Wi-Fi样本数据，计算一重簇头两两间的Jaccard系数，其可以表示为：一重簇头两两间的Jaccard系数，构成一重簇头的Jaccard系数相似矩阵，其可以表示为：Jsg＝[SGi,j]K×K

其中K为分簇的个数，Jsg为一个K×K维的矩阵；

步骤3.2、构建Wi-Fi样本数据一重簇头两两间的空间编码值；

Wi-Fi样本数据一重簇头两两间空间编码值构成其空间编码值矩阵，表示为：Csg＝[cgi,j]K×K

其中K为分簇的个数，

其中序列{q1,...,qk,...,qp}为Wi-Fi样本数据一重簇头 和 的编码序列，其中k＝[1,p]，b为编码基数，p为室内环境空间中的AP个数；

步骤3.3、构建一重簇头Jaccard系数结合对应的空间编码值矩阵的相似矩阵：Rsg＝[RGi,j]K×K

其中εg为一重簇头的Jaccard系数判断阈值，εcg为一重簇头的空间编码值判断阈值，为cgi,j的反码；

步骤3.4、对一重簇头进行分簇，簇中元素个数NFG满足以下条件者，形成一重簇头的一个分簇：步骤3.5、基于步骤3.4中得到的一重簇头分簇结果，计算一重簇头每一分簇的簇头，构建一重簇头的二重簇头集合，由一重簇头分簇结果计算二重簇头表示为：其中Kg为一重簇头分簇的个数；

Wi-Fi样本数据的二重簇头集合可以表示为：

6.根据权利要求1所述的一种Wi-Fi样本数据优化方法，其特征是，步骤4的子步骤如下：步骤4.1、基于步骤3中得到的Wi-Fi样本数据的二重簇头集合，将其选取为最优的Wi-Fi样本数据，即步骤4.2，针对最优Wi-Fi样本数据集中的每一二重簇头，与其成簇的一重簇头可以表示为：其中K为与二重簇头成簇的一重簇头的个数；

逐一计算集合 中的每一一重簇头 与 的Jaccard系数，即若Sopt≤εopt，则

集合Data_opt中的数据即为最终筛选的最优Wi-Fi样本数据。