[发明专利]一种基于标签传播的人工免疫检测器训练方法

权利要求书

1.一种基于标签传播的人工免疫检测器训练方法，其特征在于，包括：

步骤S100：利用标签传播过程，将样本标记从少量带标记样本传播给未标记样本，得到扩展后的已标记样本集合；

步骤S200：将标签传播过程中产生错误的标签传播视作样本噪声，利用噪声学习理论，对扩展后的已标记样本集合进行评估；

步骤S300：将扩展后的已标记样本集合中通过了评估得到的正类样本集S加入免疫检测器训练样本集合，训练产生新的正类免疫检测器。

2.根据权利要求1所述的一种基于标签传播的人工免疫检测器训练方法，其特征在于，所述步骤S100具体包括：

步骤S110：令X_L表示初始时已收集到的少量带标记样本数据集，X_L={x₁,x₂,…,x_l}，l为初始时已收集到的少量带标记样本数据集中的样本个数，X_U表示从未标记样本数据集U中随机选出的子集，X_U={x₁,x₂,…,x_u}，X=[X_L∪X_U]^T；设X中样本类别数为s，C表示所有类别的集合，C={c₁,c₂,…,c_s}；

定义规模为l+u行，s列的标签矩阵Y=[Y_L,Y_U]^T，Y中第i行，第j列的元素Y_ij表示X中第i个样本x_i属于第j个类别的概率，1≤i≤l+u，1≤j≤s，Y_L表示X_L中的已标记样本隶属于每个类别的概率，Y_U表示X_U中未标记样本隶属于每个类别的概率，初始时将Y_U中的标签全部设定为0；

步骤S120：令x_i，x_o为X中的任意两个样本：x_i∈X，x_o∈X，x_ik表示样本x_i的第k维属性的值，x_ok代表样本x_o的第k维属性的值，w_io衡量了x_i与x_o之间的相似度：

（1）

其中，D代表样本维数，σ为量化参数；

步骤S130：规模为(l+u)行，(l+u)列的概率传播矩阵P，矩阵P中第i行，第o列的元素P_io代表了将样本x_i的标签传递给样本x_o的概率：

（2）

标签传播过程如下：

步骤A1：初始化迭代轮数t=1，设置期望迭代轮数E_t；

步骤A2：从未标记样本集U中随机选择出固定数量的子集X_U，与初始时已收集到的已标记样本数据集X_L组成X，X=[X_L∪X_U]^T；

步骤A3：初始化Y=[Y_L∪Y_U]^T；

步骤A4：Y_Temp=Y_U；

步骤A5：计算矩阵P与矩阵Y的乘积PY，令Y=PY；

步骤A6：替换Y的前l行为Y_L，保持已标记样本的类别标签不变；

步骤A7：F=|Y_Temp-Y_U|，若矩阵F中全部的元素之和小于阈值λ，则结束第t轮迭代，输出Y_U，转步骤A8；否则跳转步骤A4；

步骤A8：令t=t+1，若t＞E_t，则停止迭代，否则跳转步骤A2。