[发明专利]一种基于分类效用的开集分类方法

权利要求书

1.一种基于分类效用的开集分类方法，其特征在于，包括步骤：

输入数据集，并对数据集进行预处理；

采用特征提取器将数据转换为特征；

采用训练集的特征训练一个可增量学习少样本分类器；

对于一条新数据，对其进行预处理后采用特征提取器提取特征；

将新数据的特征输入到分类器中，寻找已知类别中分类分数最高的一个类别，并计算分类效用，特征分为连续型特征和离散型特征，只针对连续性特征的分类效用，包括：

选取与新数据的特征相对应的分类效用；

以新数据的特征作为分类器的输入，预测新数据属于已知类别中最可能的类别；

将预测结果与已知分类结果进行合并；

根据合并后的特征矩阵统计n+1个样本中每一维特征的标准差，存储未分类前的标准差向量；

根据合并后的分类结果，按照类别划分数据，统计合并后特征矩阵中每个类别每一维特征的标准差；

使用数据集中每个类别的样本数和数据集总的样本数估计每个类别出现的概率；

将得到的第k个类别出现的概率、未分类前的标准差向量和标准差矩阵代入分类效用计算公式中，得到将新数据分到已知类别的分类效用；

连续型特征的分类效用，计算公式为：

其中，I为特征的个数，K为已知类别的个数，σ_ik表示第k个类别内第i维特征的标准差，σ_ip表示未分类前所有数据第i维特征的标准差，P(c_k)表示第k个类别出现的概率；

将新数据单独作为一个类别，采用新数据的特征计算其分类效用，具体为：

预测新数据属于未知类别；

将预测结果与已知分类结果进行合并；

根据合并后的分类结果，按照类别划分数据，统计合并后特征矩阵中每个类别每一维特征的标准差；

使用数据集中每个类别的样本数和数据集总的样本数估计每个类别出现的概率；

得到的第k个类别出现的概率、未分类前的标准差向量和标准差矩阵代入分类效用计算公式中，得到将新数据分到新类别的分类效用；

比较已知类别与新类别情况下的分类效用大小，当已知类别的分类效用较大时，将新数据作为已知类别的一个样本；当已知类别的分类效用较大时，将新数据作为一个新类别，并对新类别进行增量学习，更新分类器；

对于新到来的新数据，重复提取特征并计算分类效用的步骤，不断增强分类器，增加分类器处理的类别数据。

2.根据权利要求1所述的方法，其特征在于，数据集预处理包括去除数据中的非文本部分、分词、去除停用词，对于英文语料，还需要对英文单词进行词干提取或词型还原、转换大小写。

3.根据权利要求1所述的方法，其特征在于，所述特征提取器包括但不限于人工构建的特征提取器、无监督的特征提取器和有监督的神经网络特征提取部分。

4.根据权利要求1所述的方法，其特征在于，所述分类器采用注意吸引子网络。

5.根据权利要求1所述的方法，其特征在于，由于分类效用中的计算要求标准差不能为零，对于标准差为零的情况用极小值代替。