[发明专利]一种基于强化学习的数据预处理方法、系统及相关设备

权利要求书

1.一种基于强化学习的数据预处理方法，其特征在于，包括：

采用原始训练集中的原始样本训练预设变分自编码器模型，得到变分自编码器模型；

基于强化学习机制优化所述变分自编码器模型；

根据优化之后的变分自编码器模型随机生成新样本。

2.根据权利要求1所述的方法，其特征在于，所述基于强化学习机制优化所述变分自编码器模型，包括：

采用原始训练集中的原始样本训练预设分类器模型，得到分类器模型；

执行预设数量的迭代计算，所述迭代计算中的一次迭代计算包括：

采用所述变分自编码器模型，随机生成新样本；

采用所述新样本训练所述分类器模型，并采用训练之后的新分类器模型对所述原始训练集中的原始样本进行分类，并计算分类指标参数及状态变量，将所述分类指标参数作为环境奖励变量；

采用预设评价器及所述状态变量计算所述变分自编码器模型的解码器的预估奖励，并根据所述预估奖励优化所述变分自编码器模型的解码器，以使得所述预估奖励最大化。

3.根据权利要求2所述的方法，其特征在于，还包括：

根据所述环境奖励变量和预估奖励间的差异，训练所述评价器，使所述环境奖励变量和预估奖励间的差异最小化。

4.根据权利要求2所述的方法，其特征在于，所述采用所述新样本训练所述分类器模型包括：

若所述分类器模型为可反向传播分类器，则采用所述新样本直接训练所述分类器模型；若所述分类器模型为不可反向传播分类器，则将所述新样本加入所述原始训练集，并采用扩充之后的原始训练集训练所述预设分类器模型得到新分类器模型。

5.根据权利要求2至4中任一项所述的方法，其特征在于，在采用所述新样本训练所述分类器模型之后，所述方法还包括：

若所述分类器模型为可反向传播分类器，则以预设比例更新原分类器的参数；若所述分类器模型为不可反向传播分类器，则以预设概率保留原分类器。

6.根据权利要求5所述的方法，其特征在于，还包括：

根据分类器对新样本的分类结果，选择预设类型的新样本保存至所述原始训练集。

7.一种基于强化学习的数据预处理系统，其特征在于，包括：

训练单元，用于采用原始训练集中的原始样本训练预设变分自编码器模型，得到变分自编码器模型；

优化单元，用于基于强化学习机制优化所述变分自编码器模型；

输出单元，用于根据优化之后的变分自编码器模型随机生成新样本。

8.根据权利要求7所述的系统，其特征在于，所述优化单元包括：

训练模块，采用原始训练集中的原始样本训练预设分类器模型，得到分类器模型；

处理模块，用于执行预设数量的迭代计算，所述迭代计算中的一次迭代计算包括：

采用所述变分自编码器模型，随机生成新样本；

采用所述新样本训练所述分类器模型，并采用训练之后的新分类器模型对所述原始训练集中的原始样本进行分类，并计算分类指标参数及状态变量，将所述分类指标参数作为环境奖励变量；

采用预设评价器及所述状态变量计算所述变分自编码器模型的解码器的预估奖励，并根据所述预估奖励优化所述变分自编码器模型的解码器，以使得所述预估奖励最大化。

9.根据权利要求8所述的系统，其特征在于，还包括：

训练模块，用于根据所述环境奖励变量和预估奖励间的差异，训练所述评价器，使所述环境奖励变量和预估奖励间的差异最小化。

10.根据权利要求8所述的系统，其特征在于，所述处理模块包括：

处理子模块，若所述分类器模型为可反向传播分类器，则采用所述新样本直接训练所述分类器模型；若所述分类器模型为不可反向传播分类器，则将所述新样本加入所述原始训练集，并采用扩充之后的原始训练集训练所述预设分类器模型得到新分类器模型。