[发明专利]一种基于密度和在线半监督学习烟草分类方法

摘要

本发明涉及一种基于密度和在线半监督学习烟草分类方法，首先利用少量有标签的烟草样本进行初始训练，然后利用一批数量上大于有标签样本数的无标签样本，基于密度和距离筛选有用样本，进行在线学习，因此不断筛选更新，并获得最终的学习模型，最后的模型就可以应用于烟草的分类。本发明相比一般的半监督学习，通过密度和距离的算法增加了一个机选样本的过程，提高了模型的训练效率，运用在线学习提高模型的训练速度和适用性。

主权项

1.一种基于密度和在线半监督学习烟草分类方法，其特征在于，包括如下步骤：步骤1、对于一个标准的烟叶数据库U，将其中有标签数据样本记作x，无标签数据样本记作X；并对数据进行预处理；步骤2、设置网络模型，设有N个有标签数据样本，(xj,tj)表示第j个数据样本的属性和标签，n、L、m分别是网络的输入层节点数、隐层节点数和输出层节点个数，输入层与隐层之间的权重和偏置都随机给定，其中T是矩阵转置符号，R表示实数矩阵；那么网络模型为其中，G(x)是激活函数，是输入层节点与第i个隐层节点之间的输入权重，b_i是第i个隐层节点的偏置，是第i个隐层节点与输出层之间的输出权重，o_j是网络的输出值；上述网络模型的损失函数可表示如下目标函数为：上式用矩阵表示为H·β＝T其中H是样本数据对应于隐层节点的输出，β是输出权重，T是样本的期望输出，H、β、T分别定义如下步骤3、以每个有标签样本xi为一个类中心，在烟草数据库U中筛选出与xi属于一类的点，不断更新H和β；步骤4、将未分类的样本的数据输入训练好的网络模型，得到的输出即为烟草的级别，从而完成烟草分级。