[發明專利]簽到結果判定方法、系統、存儲介質、計算機程序、終端

有效

• 申請號: 202010234503.0
• 申請日: 2020-03-30
• 公開（公告）號: CN111582307B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 沈玉龍;王祥陽;翟開放;張志為;姜曉鴻;郭得科
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06F18/23
• 分類號: G06F18/23;G06F18/241;G06N20/00;G07C1/10
• 代理公司: 西安長和專利代理有限公司 61227
• 代理人: 黃偉洪

本發明屬于信息處理技術領域，公開了一種簽到結果判定方法、系統、存儲介質、計算機程序、終端，利用機器學習中的地址聚類算法對存在偏差的定位信息進行判定，采用K最近鄰分類算法，每個樣本都用它最接近的K個鄰居代表；如果一個樣本在特征空間中的K個最相鄰的樣本中的大多數屬于一個類別，則該樣本也屬于這個類別，并且具有這個類別上樣本的特性；在確定分類決策上只依據最接近的一個或幾個樣本的類別決定待分樣本所屬的類別。本發明解決了傳統的基于定位的考勤系統定位的精度較低，因而簽到結果判定上存在較多誤判情況發生的問題；旨在盡可能減少在簽到判定上的誤判情況的發生，保證考勤系統簽到判定結果的正確性。

技術領域

本發明屬于信息處理技術領域，尤其涉及一種簽到結果判定方法、系統、存儲介質、計算機程序、終端。

背景技術

目前，市面上的基于定位的考勤系統是通過計算發起考勤者的位置與被考勤者位置之間的距離是否小于某個數值來判定簽到是否成功，但由于定位技術受到許多環境因素的干擾，導致定位的精度較低，因而簽到結果判定上存在較多誤判的情況發生。業內普遍的做法是，設定一個誤差范圍，如果誤差在設定范圍內，則判定簽到成功，這樣的作法，誤差設定沒有標準，簽到結果的判定十分依賴誤差的設定，判定結果一定程度上有違客觀現實，無法較好的解決定位偏差引起的問題。

通過上述分析，現有技術存在的問題及缺陷為：目前考勤系統由于定位技術受到許多環境因素的干擾，導致定位的精度較低，因而簽到結果判定上存在較多誤判的情況發生。

解決以上問題及缺陷的難度為：短期內無法產生一種定位十分精準而又可以大范圍商用的技術。

解決以上問題及缺陷的意義為：在現有條件下，大幅提高簽到系統判定結果的準確度。

發明內容

針對現有技術存在的問題，本發明提供了一種簽到結果判定方法、系統、存儲介質、計算機程序、終端。

本發明是這樣實現的，一種簽到結果判定方法，所述簽到結果判定方法利用機器學習中的地址聚類算法對存在偏差的定位信息進行判定，采用K最近鄰分類算法，每個樣本都用它最接近的K個鄰居代表；如果一個樣本在特征空間中的K個最相鄰的樣本中的大多數屬于一個類別，則該樣本也屬于這個類別，并且具有這個類別上樣本的特性；在確定分類決策上只依據最接近的一個或幾個樣本的類別決定待分樣本所屬的類別。

進一步，所述簽到結果判定方法包括：

第一步，選用合適的數據結構存儲訓練數據和測試元組，設定參數K，維護一個大小為K的按距離發起簽到者位置由大到小的優先級隊列用于存儲最近鄰訓練元組；

第二步，隨機從訓練元組中選取K個元組作為初始的最近鄰元組，通過歐式距離計算公式，分別計算測試元組距這K個元組的距離，將訓練元組標號和距離存入優先級隊列；

第三步，遍歷訓練元組集，訓練元組集與測試元組集做差并取絕對值求和，計算當前訓練元組與測試元組距離，將所得距離L與優先級隊列中的最大距離Lmax進行比較；

第四步，計算優先級隊列中K個元組的多數類，并將其作為測試元組的類別；測試元組集測試完畢后，根據測試元組集與真實情況的對比，計算誤差率；繼續設定不同的K值，K從1開始，每次加1，重新進行訓練，最后選取誤差率最小的K值；

第五步，將地址聚成設定大小的K個類，挑出人數最多的一個類作為目標類；

第六步，以目標類的質點為中心，按照滾雪球的方式確定簽到信息，即先找到離這個質點最近的類(第一圈的人)，然后再找到離第一圈的人比較近的人(第二圈的人)，以此類推。

進一步，所述第三步L＝Lmax，則舍棄該元組，遍歷下一個元組，反之刪除優先級隊列中最大距離的元組，將當前訓練元組存入優先級隊列。