[发明专利]一种非参数回归方法

权利要求书

1.一种非参数回归方法，其特征在于，所述方法包括以下步骤：

(1)根据预测对象确定预测量；

(2)从所述预测对象中获取预测量的属性P₁～P_n，将所述属性P₁～P_n作为所述预测对象状态的各个分量，n为属性的个数；

(3)收集模式；

(4)根据收集到的所述模式，利用KD树数据结构构建模式库；

(5)采集所述预测对象状态的参数，由所述参数构成所述预测对象当前状态向量，按照预设准则在所述模式库中搜索与当前状态向量相似的k个模式，并获取所述k个模式对应的待预测量的值y₁～y_n；

(6)将获取到的所述待预测量的值y₁～y_n代入预测函数中，得到预测值y_forcast；

(7)经过时间T，采集待预测量的真实值y_real，根据所述预测值y_forcast和所述真实值y_real计算预测误差e，根据所述预测误差e对所述预设准则中的权值、所述模式库的结构进行调整。

2.根据权利要求1所述的非参数回归方法，其特征在于，步骤(4)中的所述根据收集到的所述模式，利用KD树数据结构构建模式库具体为：

构建第一参数P、第二参数depth和第三参数ds，第一参数P用于构造KD树的点集、第二参数depth用于表示递归深度，第三参数ds用于表示点集中每个点的维数d；

判断第一参数P是否只有一个节点，如果是，建立并储存节点的叶子并返回；如果否，令维数d＝depth％ds，找出第一参数P内各点第d维中值，以中值为分割线将第一参数P划分成两部分，分别记为第一部分P1，第二部分P2，同时生成一个节点V用来存储分割第一参数P的中值；

将第一部分P1、depth+1和第三参数ds作为参数，递归执行，直到返回，并将返回的节点存储为VL；

将第二部分P2、depth+1和第三参数ds作为参数，递归执行，直到返回，并将返回的节点存储为VR；

分别将VL和VR置为节点V的左右孩子。

3.根据权利要求1所述的非参数回归方法，其特征在于，步骤(5)中的所述预设准则具体为：

在所述模式库中获取k个与所述当前状态向量距离最近的模式，所述距离为其中，H₁为当前状态向量，H₂为模式，h₁为当前状态向量的分量，h₂为模式的分量，a₁，a₂，...a_n为属性P₁～P_n的权值，其中满足a₁+a₂+L+a_n＝1，0≤a_i≤1，1≤i≤n。

4.根据权利要求3所述的非参数回归方法，其特征在于，所述k的取值具体为：设定一个区域半径R，在以所述当前状态向量为圆心，R为半径的区域内搜索k个最接近的模式，如果区域内的历史模式小于等于k个，就以所有历史模式作为相似模式；当区域内的历史模式大于k个，根据距离找最近的k个模式作为相似模式。

5.根据权利要求1所述的非参数回归方法，其特征在于，步骤(5)中所述按照预设准则在模式库中搜索与当前状态向量相似的k个模式，具体为：

在搜索区域内搜索到的模式个数为N，当N大于K时，对于这N个模式中的每一个模式，构造一个数据对<b，V>，其中V是模式本身，b表示模式到当前状态向量的距离，以N个数据对为元素，b为关键字构造一个大顶堆，输出并删除堆顶元素，将剩余部分重新调整为大顶堆，重复以上步骤N-K次，则堆内剩余的K个元素就是与所述当前状态向量距离最近的K个模式；当N小于等于K时，则，以这N个模式作为与所述当前状态向量距离最近的模式。