[发明专利]一种基于VFDT-Boosting-3WD的数据分类方法

权利要求书

1.本发明提出了一种基于VFDT-Boosting-3WD的数据分类方法，其特征在于：(1)确定数据集，(2)确定数据集的微簇结构，(3)确定算样本集初始化权重和第一个基础分类器，(4)依次建立第t个基础分类器，并改变对应权重，(5)确定组分类器模型，(6)确定最小风险决策规则，具体包括以下六个步骤：

步骤一：确定数据集T；

T＝{x₁,x₂,…,x_n}；

其中，x为数据特征，m表示数据维度；

步骤二：确定数据集的微簇结构M；

M＝<n,c,s,d,f>；

其中，n为样本个数，c表示数据的中心点，s为数据平方和统计，d表示方差统计值，f表示数据的类标识；

步骤三：确定算样本集初始化权重和第一个基础分类器h₁(x)；

式中,n为样本个数，为初始化权重；

步骤四：依次建立第t个基础分类器，并改变对应权重；

β_t＝ε_t/(1-ε_t)；

式中，为第t个样本权重，x_i为第i个预测数据特征，y_i为第i个真实值标签，h_t(x)表示第t个基础分类器，ε_t为初始损失函数，β_t为更新后的损失函数；

步骤五：确定组分类器模型H(x)；

式中，argmin为目标函数取最小值时的自变量取值，L_s表示损失函数，y_i为第i个真实值标签；

步骤六：确定最小风险决策规则(Pli)～(Nli)；

(Pli)IF Pr(X|x_i)≥α_i,THEN x_i∈POS(X)；

(Bli)IF β_i(X|x_i)＜α_i,THEN x_i∈BND(X)；

(Nli)IF Pr(X|x_i)＜β,THEN x_i∈NEG(X)；

式中，POS(X)，BND(X)，NEG(X)表示三种分类判定动作，三支决策的损失函数由各个动作带来的损失决定，给出相应决策建议，完成数据分类。