[发明专利]一种数据分类模型训练方法、数据分类方法及装置

权利要求书

1.一种数据分类模型训练方法，其特征在于，包括：

获取训练数据集；

对所述训练数据集进行数据处理，确定目标数据集；

构造数据分类模型，利用所述目标数据集对所述数据分类模型进行训练，生成目标数据分类模型。

2.根据权利要求1所述的方法，其特征在于，所述对所述训练数据集进行数据处理，确定目标数据集，包括：

对所述训练数据集进行特征提取，确定原始特征库；

根据所述原始特征库划分各个特征数据集，确定训练数据集和测试数据集；

利用所述训练数据集和所述测试数据集通过分类器对所述原始特征库进行特征融合，生成融合特征数据集；

通过领域负样本消除算法对所述融合特征数据集进行处理，确定目标数据集。

3.根据权利要求2所述的方法，其特征在于，所述利用所述训练数据集和所述测试数据集通过分类器对所述原始特征库进行特征融合，生成融合特征数据集，包括：

利用所述分类器对所述原始特征库划分各个所述测试数据集进行预测，确定预测结果；

使用预设算法在所述原始特征库划分各个所述训练数据集进行训练，得到测试集类预测结果；

根据所述预测结果以及所述测试集类预测结果，生成融合特征数据集。

4.根据权利要求3所述的方法，其特征在于，所述根据所述预测结果以及所述测试集类预测结果，生成融合特征数据集，包括：

获取所述训练数据集对应的数据分类结果；

对比所述预测结果与所述数据分类结果，确定第一对比结果；

对比所述测试集类预测结果与所述数据分类结果，确定第二对比结果；

判断所述第二对比结果与第一对比结果是否满足预设要求时，当满足预设要求时，将对应的各个特征确定为融合特征数据集。

5.根据权利要求2所述的方法，其特征在于，所述通过领域负样本消除算法对所述融合特征数据集进行处理，确定目标数据集，包括：

获取所述融合特征数据集中的负样本及正样本；

利用预设算法在所述训练数据集上进行训练，确定各个负样本的近邻数据；

根据所述近邻数据以及所述正样本，确定所述目标数据集。

6.根据权利要求5所述的方法，其特征在于，所述根据所述近邻数据以及所述正样本，确定所述目标数据集，包括：

判断所述近邻数据中是否存在所述正样本；

当所述近邻数据中存在所述正样本，则在所述近邻数据中排除相应样本数据，直到所述邻数据中不存在所述正样本，确定所述目标数据集。

7.根据权利要求2所述的方法，其特征在于，所述利用所述目标数据集对所述数据分类模型进行训练，生成目标数据分类模型，包括：

利用所述分类器构建数据分类模型；

通过所述目标数据集对所述数据分类模型进行参数优化，以确定确定目标分类模型。

8.一种数据分类方法，其特征在于，包括：

利用如权利要求1-7任一项所述的数据分类模型训练方法对数据分类模型进行训练，确定目标数据分类模型；

获取待分类数据；

利用所述目标数据分类模型对所述待分类数据进行分类处理，确定分类结果。

9.一种数据分类模型训练装置，其特征在于，包括：

获取模块，用于获取训练数据集；

数据处理模块，用于对所述训练数据集进行数据处理，确定目标数据集；

分类模块，用于构造数据分类模型，利用所述目标数据集对所述数据分类模型进行训练，生成目标数据分类模型。

10.一种数据分类装置，其特征在于，包括：

第一处理模块，用于利用如权利要求9所述的数据分类模型训练装置对数据分类模型进行训练，确定目标数据分类模型；

第二处理模块，用于获取待分类数据；

第三处理模块，用于利用所述目标数据分类模型对所述待分类数据进行分类处理，确定分类结果。