[发明专利]一种基于样本贡献率的二分类软分类器的单次检测可信度评价方法

权利要求书

1.一种基于样本贡献率的二分类软分类器的单次检测可信度评价方法，其特征在于，包括以下步骤：

步骤一：将样本集X输入到二分类软分类器模型中，分别获得每个样本两种类型的预测概率P(C₁|X_k)和P(C₂|X_k)，k＝1,2,...,Z，Z为样本集X中的样本总数；

步骤二：利用每个样本两种类型的预测概率P(C₁|X_k)和P(C₂|X_k)计算获得每个样本的预测概率差值S(X_k)：

S(X_k)＝P(C₁|X_k)-P(C₂|X_k)；

步骤三：将所有S(X_k)从小到大进行排序并构成集合S(X)，将S(X_k)最小值到最大值之间的跨度作为集合S(X)的总区间长度，以j为子区间长度将S(X)的总区间长度分为N个子区间，其中0j1；

步骤四：对所有S(X_k)进行插值处理、使得S(X_k)对应的样本X_k分配到相应的子区间中；

步骤五：根据下式计算第i个子区间内样本的正确率g(i)：

其中，T_i为第i个子区间内正确的样本个数，K_i为第i个子区间内所有样本个数，i＝1,2,...,N；

步骤六：根据下式计算第i个子区间内样本的贡献率U_i：

步骤七：根据下式计算第i个子区间内样本的可信度confidence：

confidence＝t×U_i+(1-t)*g(i)

其中，t为权重。

2.根据权利要求1所述的一种基于样本贡献率的二分类软分类器的单次检测可信度评价方法，其特征在于，二分类软分类器两种类型的预测概率和为1、且不相等，则有：

S(X_k)的最大值为1、最小值为-1，S(X)的总区间长度为2，

3.根据权利要求1或2所述的一种基于样本贡献率的二分类软分类器的单次检测可信度评价方法，其特征在于，j＝0.1。

4.根据权利要求1所述的一种基于样本贡献率的二分类软分类器的单次检测可信度评价方法，其特征在于，步骤四具体方法为：

将S(X_k)遍历每个子区间，当S(X_k)满足S_imin(X)S(X_k)S_imax(X)时，样本X_k被分配到第i个子区间，其中S_imin(X)和S_imax(X)分别为第i个子区间的最小值和最大值。

5.根据权利要求1所述的一种基于样本贡献率的二分类软分类器的单次检测可信度评价方法，其特征在于，第i个子区间内预测类别与其真实类别相同的样本个数为第i个子区间内正确的样本个数T_i。

6.根据权利要求1所述的一种基于样本贡献率的二分类软分类器的单次检测可信度评价方法，其特征在于，步骤七中，t＝0.2。