[发明专利]基于样本特征训练分类器的方法、装置及存储介质

权利要求书

1.一种基于样本特征训练分类器的方法，其特征在于，包括：

获取用于训练分类器的样本数据集；

在所述样本数据集中选择N个样本数据，作为目标样本数据集；其中，N为小于M的正整数，M为所述样本数据集中样本数据的总数；

通过信息增益和相关性排序，选取所述目标样本数据集中的各样本数据的样本特征；

对各所述样本特征进行特征加权变换，得到分别对应的样本加权特征；

基于各所述样本加权特征，对所述分类器进行训练；

所述在所述样本数据集中选择N个样本数据，作为目标样本数据集之前，还包括：

按照预设规则确定所述目标样本数据集的样本数量N；其中，所述预设规则包括按照预设数量确定所述样本数量N，或按照预设比例确定所述样本数量N，或按照历史选择样本记录确定所述样本数量N；

所述在所述样本数据集中选择N个样本数据，作为目标样本数据集，包括：

在所述样本数据集中随机选择N个样本数据，作为所述目标样本数据集；或，

在所述样本数据集中按照每预设间隔选择N个样本数据，作为所述目标样本数据集；或，

在所述样本数据集中按照历史选择样本方式选择N个样本数据，作为所述目标样本数据集。

2.根据权利要求1所述的基于样本特征训练分类器的方法，其特征在于，所述对各所述样本特征进行特征加权变换，得到分别对应的样本加权特征，包括：

按照特征权重矩阵，对各所述样本特征进行特征加权处理，得到各样本数据的加权特征；其中，所述特征权重矩阵包括各特征分别对应的权重值，所述特征权重矩阵中的权重值个数与所述特征的向量维度数量相同。

3.根据权利要求1所述的基于样本特征训练分类器的方法，其特征在于，所述基于各所述样本加权特征，对所述分类器进行训练，包括：

获取各所述样本数据的标注信息，每个所述样本数据中均携带有标注信息，所述标注信息包括所述样本数据对应的标注分类结果；

将各所述样本数据通过所述分类器，得到分别对应的预测分类结果；

当存在样本数据对应的标注分类结果和预测分类结果不一致时，基于所述标注分类结果和所述预测分类结果，对所述分类器进行训练。

4.根据权利要求3所述的基于样本特征训练分类器的方法，其特征在于，所述基于所述标注分类结果和所述预测分类结果，对所述分类器进行训练，包括：

基于所述标注分类结果和所述预测分类结果之间的损失函数差值，对所述分类器中涉及的参数进行调整。

5.根据权利要求1所述的基于样本特征训练分类器的方法，其特征在于，所述基于各所述样本加权特征，对所述分类器进行训练之后，还包括：

基于训练好的所述分类器构建入侵检测模型，所述入侵检测模型包括N个卷积层、N个池化层、N个非线性激活层、及N-1个全连接层，所述N为大于或等于3的正整数。

6.一种基于样本特征训练分类器的装置，其特征在于，包括：

第一获取模块，用于获取用于训练分类器的样本数据集；

选择模块，用于在所述样本数据集中选择N个样本数据，作为目标样本数据集；其中，N为小于M的正整数，M为所述样本数据集中样本数据的总数；

第二获取模块，用于通过信息增益和相关性排序，选取所述目标样本数据集中的各样本数据的样本特征；

加权模块，用于对各所述样本特征进行特征加权变换，得到分别对应的样本加权特征；

训练模块，用于基于各所述样本加权特征，对所述分类器进行训练；

所述装置还包括：

确定模块，用于按照预设规则确定所述目标样本数据集的样本数量N；其中，所述预设规则包括按照预设数量确定所述样本数量N，或按照预设比例确定所述样本数量N，或按照历史选择样本记录确定所述样本数量N；

所述选择模块，包括：

第一选择子模块，用于在所述样本数据集中随机选择N个样本数据，作为所述目标样本数据集；或，

第二选择子模块，用于在所述样本数据集中按照每预设间隔选择N个样本数据，作为所述目标样本数据集；或，

第三选择子模块，用于在所述样本数据集中按照历史选择样本方式选择N个样本数据，作为所述目标样本数据集。