[发明专利]分包融合集成学习数据分类方法在审
| 申请号： | 201810097334.3 | 申请日： | 2018-01-31 |
| 公开（公告）号： | CN108416364A | 公开（公告）日： | 2018-08-17 |
| 发明（设计）人： | 李勇明;张成;王品;李淋玉;谭晓衡;颜芳 | 申请（专利权）人： | 重庆大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 成都蓉域智慧知识产权代理事务所(普通合伙) 51250 | 代理人： | 陈千 |
| 地址： | 400044 *** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种分包融合集成学习数据分类方法，包括以下步骤：S1：获取数据形成训练集和测试集；S2：利用子空间划分模块将训练集分为K个子集；S3：对应一个子集训练一个分类器模型；S4：计算每个分类器模型对应的权重因子；S5：将待测数据输入每一个分类器模型中，各个分类器模型输出的样本标签与对应的权重因子相乘后加权得到最后的分类结果。其效果是：通过分包并对每个子空间中样本进行学习，弱化样本空间中混叠区域对分类器模型的影响，然后对每个子集误分类样本进行增强，传递至下一个子集中再次学习，增加样本利用率。利用多空间加权融合集成学习模块对所有子集的预测进行加权集成，从而进一步弱化混叠区域样本对分类器模型的影响，提高分类精度。 | ||
| 搜索关键词： | 分类器模型 样本 集成学习 分包 子集 权重因子 数据分类 训练集 子空间 混叠 弱化 相乘 分类结果 分类样本 划分模块 获取数据 加权集成 加权融合 样本空间 融合 测试集 多空间 加权 标签 输出 传递 分类 学习 预测 | ||
【主权项】：
1.一种分包融合集成学习数据分类方法，其特征包括以下步骤：S1：获取数据形成训练集和测试集；S2：利用子空间划分模块将训练集分为K个子集，K为大于或等于2的整数；S3：对应一个子集训练一个分类器模型；S4：计算每个分类器模型对应的权重因子；S5：将待测数据输入每一个分类器模型中，各个分类器模型输出的样本标签与对应的权重因子相乘后加权得到最后的分类结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于重庆大学，未经重庆大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810097334.3/，转载请声明来源钻瓜专利网。
