[发明专利]一种基于层次聚类的检测器训练方法

摘要

本发明提出了一种检测器生成，属于模式识别领域。该方法本发明针对传统的检测器生成方法训练时间代价过高，效率过低这一问题，提出了一种新的基于层次聚类的检测器生成方法：首先定义正类集；其次对正类样本进行层次聚类，采用聚类中心构造训练样本集；随后在包含每一层聚类的最小超立方体内随机产生新的候选检测器中心向量；然后采用聚类中心代替正类样本对候选检测器进行训练，由于聚类中心的数量远少于正类样本的数量，从而有效地提高了检测器的训练效率；最后对检测器的负类样本空间覆盖率下限进行了置信度估计，以覆盖率下限大于给定的期望覆盖率作为中止检测器训练过程的条件。本发明在模式识别，网络入侵检测等方面具有广阔的应用前景。

主权项

一种基于层次聚类的检测器生成方法，其特征在于所述方法包括以下步骤：(1) 正类集提取步骤，包括以下步骤：1) 样本属性选择步骤；2) 样本属性归一化步骤；(2) 正类集层次聚类步骤，包括以下步骤：1) 初始化聚类参数步骤；2) 聚类中心选取步；3) 正类样本的聚类划分步骤；4) 聚类半径递减步骤；(3) 构造训练样本集步骤，包括以下步骤：1) 聚类中心提取步骤；2) 最小超立方体计算步骤；(4) 候选检测器产生步骤，包括以下步骤：1) 设置检测器中心向量步骤；2) 初始化检测半径步骤;(5) 候选检测器训练步骤，包括以下步骤：1) 聚类中心匹配步骤；2) 检测半径计算步骤；3) 检测器合并步骤；(6) 中止条件判断步骤，包括以下步骤：1) 初始化参数设置步骤；2) 检测器覆盖统计步骤；3) 置信下限计算步骤；4) 中止步骤。