[发明专利]签到结果判定方法、系统、存储介质、计算机程序、终端

说明书

本发明属于信息处理技术领域，公开了一种签到结果判定方法、系统、存储介质、计算机程序、终端，利用机器学习中的地址聚类算法对存在偏差的定位信息进行判定，采用K最近邻分类算法，每个样本都用它最接近的K个邻居代表；如果一个样本在特征空间中的K个最相邻的样本中的大多数属于一个类别，则该样本也属于这个类别，并且具有这个类别上样本的特性；在确定分类决策上只依据最接近的一个或几个样本的类别决定待分样本所属的类别。本发明解决了传统的基于定位的考勤系统定位的精度较低，因而签到结果判定上存在较多误判情况发生的问题；旨在尽可能减少在签到判定上的误判情况的发生，保证考勤系统签到判定结果的正确性。

技术领域

本发明属于信息处理技术领域，尤其涉及一种签到结果判定方法、系统、存储介质、计算机程序、终端。

背景技术

目前，市面上的基于定位的考勤系统是通过计算发起考勤者的位置与被考勤者位置之间的距离是否小于某个数值来判定签到是否成功，但由于定位技术受到许多环境因素的干扰，导致定位的精度较低，因而签到结果判定上存在较多误判的情况发生。业内普遍的做法是，设定一个误差范围，如果误差在设定范围内，则判定签到成功，这样的作法，误差设定没有标准，签到结果的判定十分依赖误差的设定，判定结果一定程度上有违客观现实，无法较好的解决定位偏差引起的问题。

通过上述分析，现有技术存在的问题及缺陷为：目前考勤系统由于定位技术受到许多环境因素的干扰，导致定位的精度较低，因而签到结果判定上存在较多误判的情况发生。

解决以上问题及缺陷的难度为：短期内无法产生一种定位十分精准而又可以大范围商用的技术。

解决以上问题及缺陷的意义为：在现有条件下，大幅提高签到系统判定结果的准确度。

发明内容

针对现有技术存在的问题，本发明提供了一种签到结果判定方法、系统、存储介质、计算机程序、终端。

本发明是这样实现的，一种签到结果判定方法，所述签到结果判定方法利用机器学习中的地址聚类算法对存在偏差的定位信息进行判定，采用K最近邻分类算法，每个样本都用它最接近的K个邻居代表；如果一个样本在特征空间中的K个最相邻的样本中的大多数属于一个类别，则该样本也属于这个类别，并且具有这个类别上样本的特性；在确定分类决策上只依据最接近的一个或几个样本的类别决定待分样本所属的类别。

进一步，所述签到结果判定方法包括：

第一步，选用合适的数据结构存储训练数据和测试元组，设定参数K，维护一个大小为K的按距离发起签到者位置由大到小的优先级队列用于存储最近邻训练元组；

第二步，随机从训练元组中选取K个元组作为初始的最近邻元组，通过欧式距离计算公式，分别计算测试元组距这K个元组的距离，将训练元组标号和距离存入优先级队列；

第三步，遍历训练元组集，训练元组集与测试元组集做差并取绝对值求和，计算当前训练元组与测试元组距离，将所得距离L与优先级队列中的最大距离Lmax进行比较；

第四步，计算优先级队列中K个元组的多数类，并将其作为测试元组的类别；测试元组集测试完毕后，根据测试元组集与真实情况的对比，计算误差率；继续设定不同的K值，K从1开始，每次加1，重新进行训练，最后选取误差率最小的K值；

第五步，将地址聚成设定大小的K个类，挑出人数最多的一个类作为目标类；

第六步，以目标类的质点为中心，按照滚雪球的方式确定签到信息，即先找到离这个质点最近的类(第一圈的人)，然后再找到离第一圈的人比较近的人(第二圈的人)，以此类推。

进一步，所述第三步L＝Lmax，则舍弃该元组，遍历下一个元组，反之删除优先级队列中最大距离的元组，将当前训练元组存入优先级队列。