[发明专利]样本标签不确定情况下的边界树K近邻决策方法及系统

权利要求书

1.一种样本标签不确定情况下的边界树K近邻决策方法，其特征在于，包括：

初始化步骤：在样本集合中任选一个样本作为生成边界树的起始结点，所述生成边界树的起始结点也是边界树的根结点；

遍历步骤：从根结点开始，按照预设规则寻找遍历的终止结点；

决策步骤：对待预测结点进行预测分类；

结束步骤：对预测分类进行判定。

2.根据权利要求1所述的样本标签不确定情况下的边界树K近邻决策方法，其特征在于，所述遍历步骤包括：从根结点开始，按照预设规则在结点集合中进行结点转移；

所述结点集合包括当前遍历到的结点和所有孩子结点；

根据结点集合中的每一个结点与待预测结点的距离和结点与标签不确定性，找到符合预设的结点作为本次遍历的终止结点。

3.根据权利要求1所述的样本标签不确定情况下的边界树K近邻决策方法，其特征在于，所述遍历步骤包括：以递归的方式执行，当当前遍历的终止结点与上一次遍历的终止结点保持一致时，或者当当前遍历的终止结点是边界树的叶子结点时，终止遍历步骤并执行决策步骤。

4.根据权利要求1所述的样本标签不确定情况下的边界树K近邻决策方法，其特征在于，所述决策步骤包括：将遍历的终止结点的标签不确定性与遍历的终止结点和待预测结点之间的距离进行结合，对待预测结点进行预测分类。

5.根据权利要求1所述的样本标签不确定情况下的边界树K近邻决策方法，其特征在于，所述结束步骤包括：将预测分类与实际分类进行比较，当预测分类与实际分类一致时终止结束步骤，否则，将待预测结点作为最后一个遍历的终止结点的孩子结点。

6.一种样本标签不确定情况下的边界树K近邻决策系统，其特征在于，包括：

初始化模块：在样本集合中任选一个样本作为生成边界树的起始结点，所述生成边界树的起始结点也是边界树的根结点；

遍历模块：从根结点开始，按照预设规则寻找遍历的终止结点；

决策模块：对待预测结点进行预测分类；

结束模块：对预测分类进行判定。

7.根据权利要求6所述的样本标签不确定情况下的边界树K近邻决策系统，其特征在于，所述遍历模块包括：从根结点开始，按照预设规则在结点集合中进行结点转移；

所述结点集合包括当前遍历到的结点和所有孩子结点；

根据结点集合中的每一个结点与待预测结点的距离和结点与标签不确定性，找到符合预设的结点作为本次遍历的终止结点。

8.根据权利要求6所述的样本标签不确定情况下的边界树K近邻决策系统，其特征在于，所述遍历模块包括：以递归的方式执行，当当前遍历的终止结点与上一次遍历的终止结点保持一致时，或者当当前遍历的终止结点是边界树的叶子结点时，终止遍历模块并调用决策模块。

9.根据权利要求6所述的样本标签不确定情况下的边界树K近邻决策系统，其特征在于，所述决策模块包括：将遍历的终止结点的标签不确定性与遍历的终止结点和待预测结点之间的距离进行结合，对待预测结点进行预测分类。

10.根据权利要求6所述的样本标签不确定情况下的边界树K近邻决策系统，其特征在于，所述结束模块包括：将预测分类与实际分类进行比较，当预测分类与实际分类一致时终止结束模块，否则，将待预测结点作为最后一个遍历的终止结点的孩子结点。