[发明专利]数据分类方法以及装置在审
| 申请号： | 201611149072.8 | 申请日： | 2016-12-14 |
| 公开（公告）号： | CN108229507A | 公开（公告）日： | 2018-06-29 |
| 发明（设计）人： | 陈新河;李慧芳;赵静;詹文浩;张诺亚 | 申请（专利权）人： | 中国电信股份有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 中国国际贸易促进委员会专利商标事务所 11038 | 代理人： | 许蓓 |
| 地址： | 100033 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 分类器 样本数据 负样本 样本 分类效果 数据分类 正负样本 次类 权重 分类过程 分类数据 数据分析 重要信息 权重和 正样本 分类 拟合 赋予 | ||
1.一种数据分类方法，其特征在于，包括：
将样本数据划分为正样本数据和负样本数据，其中，负样本数据和正样本数据的数量的比值大于阈值；
根据所述负样本数据的各个数据点之间的相似性将所述负样本数据划分为多个次类；
将每个次类的负样本数据与所述正样本数据合并作为一组训练数据，得到多组训练数据；
对每组训练数据利用支持向量机进行训练，获得一个分类器以及该分类器划分的两类数据的接近程度；
根据所述每个分类器划分的两类数据的接近程度确定每个分类器的权重，其中，分类器划分的两类数据的接近程度越小则该分类器的权重越大；
根据各个分类器以及各个分类器的权重确定最终分类器；
利用所述最终分类器对待测数据进行分类。
2.根据权利要求1所述的方法，其特征在于，
根据所述负样本数据的各个数据点之间的相似性将所述负样本数据划分为多个次类包括：
根据所述负样本数据和正样本数据的数量的比值，确定所述负样本数据划分的次类的数量；
利用聚类分析算法根据所述负样本数据的各个数据点之间的相似性将所述负样本数据划分为所述确定的数量的次类。
3.根据权利要求1所述的方法，其特征在于，
所述分类器为利用支持向量机训练获得的最优分割平面表示；
所述每个分类器划分的两类数据的接近程度为该分类器的最大分割间距。
4.根据权利要求3所述的方法，其特征在于，
根据各个分类器以及各个分类器的权重确定最终分类器包括：
根据各个分类器的权重将各个分类器的最优分割平面表示进行加权求和计算，获得最终分类器的最优分割平面表示。
5.根据权利要求3所述的方法，其特征在于，
所述分类器的权重为该分类器的最大分割间距的倒数。
6.一种数据分类的装置，其特征在于，包括：
正负样本划分模块，用于将样本数据划分为正样本数据和负样本数据，其中，负样本数据和正样本数据的数量的比值大于阈值；
负样本划分模块，用于根据所述负样本数据的各个数据点之间的相似性将所述负样本数据划分为多个次类；
训练数据生成模块，用于将每个次类的负样本数据与所述正样本数据合并作为一组训练数据，得到多组训练数据；
分组训练模块，用于对每组训练数据利用支持向量机进行训练，获得一个分类器以及该分类器划分的两类数据的接近程度；
分类器权重确定模块，用于根据所述每个分类器划分的两类数据的接近程度确定每个分类器的权重，其中，分类器划分的两类数据的接近程度越小则该分类器的权重越大；
最终分类器确定模块，用于根据各个分类器以及各个分类器的权重确定最终分类器；
数据分类模块，用于利用所述最终分类器对待测数据进行分类。
7.根据权利要求6所述的装置，其特征在于，
所述负样本划分模块，用于根据所述负样本数据和正样本数据的数量的比值，确定所述负样本数据划分的次类的数量，利用聚类分析算法根据所述负样本数据的各个数据点之间的相似性将所述负样本数据划分为所述确定的数量的次类。
8.根据权利要求6所述的装置，其特征在于，
所述分类器为利用支持向量机训练获得的最优分割平面表示；
所述每个分类器划分的两类数据的接近程度为该分类器的最大分割间距。
9.根据权利要求8所述的装置，其特征在于，
所述最终分类器确定模块，用于根据各个分类器的权重将各个分类器的最优分割平面表示进行加权求和计算，获得最终分类器的最优分割平面表示。
10.根据权利要求8所述的装置，其特征在于，
所述分类器的权重为该分类器的最大分割间距的倒数。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国电信股份有限公司，未经中国电信股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201611149072.8/1.html，转载请声明来源钻瓜专利网。
