[发明专利]基于无数据辅助的KNN算法的光纤非线性均衡方法

摘要

本发明公开了一种基于无数据辅助的KNN算法的光纤非线性均衡方法，包括：获取各数据点的分布密度参数，选取分布密度参数大于预设阈值的数据点进行信号解调，获得各数据点对应的标签，根据标签分成M个簇，获得对应的质心：根据获得的质心，将数据点按照欧几里得距离重新进行分类，构成训练样本集；取未获得标签的数据点X，从训练样本集中获取数据点X的K个最近邻点；计算数据点X的KNN欧氏距离数据，并找出K个最近邻点的标签簇；使用加权总和投票规则确定数据点X的预测标签，将X分配至对应簇；重复直至完成对所有数据点的处理。本发明大大降低计算复杂度，实现了系统的零冗余，能够显著地提升系统的分类性能，使系统误码率得以改善。

主权项

1.一种基于无数据辅助的KNN算法的光纤非线性均衡方法，其特征在于，包括以下步骤：(1) 接收待进行补偿的全体数据作为第一数据集，获取第一数据集中各数据点的分布密度参数，选取分布密度参数大于预设阈值的数据点作为第二数据集；(2) 对第二数据集中的数据点进行信号解调，获得各数据点对应的标签，根据标签，将第二数据集分成M个簇，获得对应的质心Ci：，其中，i = 1，2，…，M，s是第i个簇中的数据点数量，Dj是第i个簇的第j个数据；(3) 根据获得的质心Ci，将第二阶段数据集中的数据点按照距离最近的欧几里得距离重新进行分类，相应的簇获得标签y1st‑output，构成训练样本集；(4) 取第一数据集中未获得标签的数据点X，从训练样本集中获取数据点X的K个最近邻点，其中，K为13；(5) 计算数据点X的KNN欧氏距离数据，并找出K个最近邻点的标签簇；(6) 使用加权总和投票规则确定数据点X的预测标签，将X分配至对应簇；(7) 重复步骤(4) 至(6) 直至完成对所有数据点的处理；(8) 输出最终的分类数据结果。