[发明专利]分类器集成分类方法和装置、电子设备、存储介质

说明书

本发明实施例公开了一种分类器集成分类方法和装置、电子设备、存储介质，包括：将待处理数据输入至少一个分类器；基于所述至少一个分类器中的每个分类器，分别输出所述待处理数据对应的概率向量和类别集合；所述分类器输出的概率向量中的各元素用于表征所述分类器判断所述待处理数据属于相应类别的概率；所述类别集合包括所述至少一个分类器获得的所有类别；基于各所述分类器分别输出的概率向量和类别集合，生成所述待处理数据对应的分类结果。基于本发明上述实施例能有效处理多个分类器中存在部分重叠类别的问题；得到该待处理数据对应集成所有分类器获得的类别的分类结果，实现了对覆盖任意类别的分类器的集成。

技术领域

本发明涉及人工智能技术，尤其是一种分类器集成分类方法和装置、电子设备、计算机存储介质。

背景技术

随着人工智能技术的发展，神经网络已在诸多技术领域中得到了广泛应用，其在模式识别、智能机器人、自动控制、预测估计、生物、医学、经济、生活等领域已成功地解决了许多现代计算机难以解决的实际问题，表现出了良好的智能特性。

在神经网络中的一个重要功能单元是分类器。分类器是在已有数据的基础上学会的一个分类函数或构造出的一个分类模型，分类器能够把数据库中的数据纪录映射到给定类别中的某一个或几个，从而可以应用于数据预测。单独的分类器对于存在较多类别的图像无法实现正确的分类，因此，需要分类器集成。

分类器集成就是把多个分类器的结果集合到一起，得到最终分类结果。

发明内容

本发明实施例提供一种分类器集成分类技术。

本发明实施例提供的一种分类器集成分类方法，包括：

将待处理数据输入至少一个分类器；

基于所述至少一个分类器中的每个分类器，分别输出所述待处理数据对应的概率向量和类别集合；所述分类器输出的概率向量中的各元素用于表征所述分类器判断所述待处理数据属于相应类别的概率；所述类别集合包括所述至少一个分类器获得的所有类别；

基于各所述分类器分别输出的概率向量和类别集合，生成所述待处理数据对应的分类结果。

在基于本发明上述各方法的另一个实施例中，基于各所述分类器分别输出的概率向量和类别集合，生成所述待处理数据对应的分类结果，包括：

基于各所述分类器分别输出的概率向量和类别集合构建马尔可夫链；

计算所述马尔可夫链的稳态分布得到稳态分布结果，所述稳态分布结果用于表征所述待处理数据对应每个类别的概率。

在基于本发明上述各方法的另一个实施例中，基于各所述分类器分别输出的概率向量和类别集合构建马尔可夫链，包括：

基于各所述输出的概率向量获得对应每个类别的概率值；

基于所述获得的所有类别和对应每个类别的概率值建立马尔可夫链，其中，所述类别作为马尔可夫链的状态，对应每个类别的概率值作为转移到所述状态的转移速率。

在基于本发明上述各方法的另一个实施例中，基于各所述输出的概率向量获得对应每个类别的概率值，包括：

分别基于每个所述分类器获得至少两个类别，分别基于每个所述概率向量获得对应至少两个类别的概率值，其中，所述获得的每个类别对应一个概率值；

将基于不同分类器获得的相同类别合并为一个类别，将基于不同分类器获得的相同类别对应的概率值累加构成所述合并的类别的概率值。

在基于本发明上述各方法的另一个实施例中，基于各所述分类器分别输出的概率向量和类别集合构建马尔可夫链，包括：