[发明专利]一种基于多分类器融合的动态数据分级方法

权利要求书

1.一种基于多分类器融合的动态数据分级方法，其特征是具体步骤为：

①对训练集数据进行数据特征提取，形成初始数据特征集合；

②对初始数据特征集合，进行数据特征预处理，筛选出最优特征子集；

③对最优特征子集，进行多分类器训练，得出不同分类模型；

④将不同分类模型经分类器融合形成动态数据分级模型，利用动态数据分级模型对动态数据进行分级。

2.根据权利要求1所述的一种基于多分类器融合的动态数据分级方法，其特征是所述的数据特征提取利用人工或机器进行，用映射或变换的方法将原始特征降维，变换为与原始特征相比数量较少的新特征，形成初始数据特征集合。

3.根据权利要求1或2所述的一种基于多分类器融合的动态数据分级方法，其特征是对所述的初始数据特征集合，选择最有分类信息的特征，使用PCA、维度变换、粗糙集属性约简中的一种或几种方法进行筛选，筛选出最优特征子集。

4.根据权利要求3所述的一种基于多分类器融合的动态数据分级方法，其特征是根据应用场景和数据类型选择多个分类器进行训练，得到若干分类器模型，选择有监督分类器，以及相对简单的半监督或无监督分类器模型。

5.根据权利要求4所述的一种基于多分类器融合的动态数据分级方法，其特征是不同分类模型的数据类别进行决策融合，根据各分类器的贡献度，可得到融合分类器模型如下：

其中， W_ij是分类器i对类别j的贡献度，C_ij是分类器i判断数据属于类别j的置信度。

6.根据权利要求5所述的一种基于多分类器融合的动态数据分级方法，其特征是使用的所述的决策融合方法有投票选举法、遗传算法、模糊积分融合中的一种或几种。

7.根据权利要求6所述的一种基于多分类器融合的动态数据分级方法，其特征是利用所述的动态数据分级模型对动态数据进行分级过程为：计算待处理数据的分类特征，将其与各分类器模型进行匹配，各分类器的分类并行处理，得到各分类器的决策结果C_ij，利用生成的动态数据分级模型进行计算，得到待处理数据的最终判别类别，完成与其余存储层次的映射。