买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京交通大学申请的专利基于信任函数和证据修正的物联网不确定数据分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115270977B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210926038.6，技术领域涉及：G06F18/2413；该发明授权基于信任函数和证据修正的物联网不确定数据分类方法是由张阳;李嘉宁;张振江;沈波设计研发完成，并于2022-08-03向国家知识产权局提交的专利申请。

本基于信任函数和证据修正的物联网不确定数据分类方法在说明书摘要公布了：本发明提供了一种基于信任函数和证据修正的物联网不确定数据分类方法。该方法包括：根据设定的不确定度对样本数据集进行不确定数据建模，得到不确定数据集，将不确定数据集划分为测试集和训练集；获取样本数据集中的各个数据特征维度，按照数据特征维度的两两结合构造出多个分类器，在每一种分类器下计算待分类样本与训练样本之间的马氏距离：应用K‑NN分类算法将马氏距离进行加权后生成证据，利用余弦相似度矩阵对所有证据进行修正，得到修正后的证据；根据修正后的证据进行决策与识别，获取待分类样本的分类结果。本发明方法采用马氏距离作为距离的度量，应用DS组合规则完成多条证据融合，做出分类决策。解决了不确定数据分类准确率的问题。

本发明授权基于信任函数和证据修正的物联网不确定数据分类方法在权利要求书中公布了：1.基于信任函数和证据修正的物联网不确定数据分类方法，其特征在于，包括： 获取物联网情景下的数据样本，建立样本数据集，根据设定的不确定度对所述样本数据集进行不确定数据建模，得到不确定数据集，将所述不确定数据集中的一部分作为所述样本数据集的测试集，将所述不确定数据集中的其它数据作为训练集； 获取所述样本数据集中的各个数据特征维度，按照数据特征维度的两两结合构造出多个分类器，在测试集中选取待分类样本，在每一种分类器下计算待分类样本与训练集中的训练样本之间的马氏距离： 在每一种分类器下应用K-NN分类算法将所述待分类样本对应的马氏距离进行加权后生成证据，利用余弦相似度矩阵对所述待分类样本对应的所有证据进行修正，得到修正后的证据； 根据修正后的证据进行决策与识别，获取所述待分类样本的分类结果； 所述的在每一种分类器下应用K-NN分类算法将所述待分类样本对应的马氏距离进行加权后生成证据，包括： 步骤3.1：每一个分类器均筛选马氏距离最小的K个样本点，马氏距离记为{dω,1,dω,2,…,dω,k}； 步骤3.2：获取K近邻的类别标签{lω,1,lω,2,…,lω,k}； 步骤3.3：利用距离权重函数y＝tanh-x+1对马氏距离最小的K个样本点的距离进行加权； 步骤3.4：将加权得到的结果归一化后记为概率{pω,1,pω,2,…,pω,k}，根据K近邻类别标签，将同一类别的概率累加，得到该分类器输出的所述待分类样本对应的一条证据； 分别针对每一个分类器都执行上述处理过程，分别得到每一种分类器输出的所述待分类样本对应的一条证据； 所述的利用余弦相似度矩阵对所述待分类样本对应的所有证据进行修正，得到修正后的证据，包括： 步骤4.1：计算所述待分类样本对应的所有证据之间的余弦相似度矩阵S： 其中，证据m1、证据m2之间的余弦相似度为： 步骤4.2：根据余弦相似度矩阵S同行相加，得到信任支持度矩阵B： 其中，式中Ν为分类器数量，即：证据总数； 步骤4.3：用矩阵B对所述待分类样本对应的所有证据进行加权，并进行归一化，得到修正后的证据。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京交通大学，其通讯地址为：100044 北京市海淀区西直门外上园村3号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。