[发明专利]一种基于数据物理特征和隐含风格特征的新颖分类方法

权利要求书

1.一种基于数据物理特征和隐含风格特征的新颖分类方法，其特征在于，包括以下步骤：

步骤一：对于给定数据集X＝[x₁,x₂,…,x_N]^T，其中x_i∈R^d，标签集为Y＝[y₁,y₂,…,y_N]^T利用K近邻算法将给定数据集X映射成社交网络G；

步骤二：在上述构建的社交网络G中挖掘数据权威性和数据影响力两种数据暗含风格特征；

步骤三：对于测试集T＝[t₁,t₂,…,t_M]^T，其中t_m∈R^d，根据数据物理特征和数据暗含风格特征计算测试集中每个测试样本与社交网络G中每个子网络之间的允许连接集；

步骤四：根据步骤三中生成的允许连接集计算每个允许连接集中节点的影响力之和；

步骤五：根据步骤四计算出的每个允许连接集中节点的影响力之和，将测试样本的标签类型判别为与具有最大节点影响力之和对应的子网络标签类型。

2.根据权利要求1所述的基于数据物理特征和隐含风格特征的新颖分类方法，其特征在于，对于给定数据集X＝[x₁,x₂,…,x_N]^T，其中x_i∈R^d，标签集为Y＝[y₁,y₂,…,y_N]^T，利用K近邻算法将给定数据集X映射成社交网络G，进一步地，

利用K近邻算法将给定数据集X映射成社交网络^G＝{g₁,g₂,…,g_Q}，其中Q等于数据集X中包含的类别数，数据集X中的每个样本x_i对应社交网络G的节点v_i；

根据K近邻算法，社交网络G中的任意两个节点v_i和v_j满足以下条件：

节点v_j为节点v_i的邻居节点及节点v_j与节点v_i具有相同的标签，则在节点v_i和v_j之间建立以v_i为起点、v_j为结点的有向边e_ij。

3.根据权利要求2所述的基于数据物理特征和隐含风格特征的新颖分类方法，其特征在于，所述社交网络G，每个子网络与数据集X中的每一个数据类对应，任意两个子网络g_p和g_q之间相互独立，子网络中每个节点具有相同的标签且与对应的数据类标签相同。