[发明专利]基于Stacking和翻转随机降采样分类方法、系统、介质及设备在审
| 申请号： | 201810132427.5 | 申请日： | 2018-02-08 |
| 公开（公告）号： | CN108416369A | 公开（公告）日： | 2018-08-17 |
| 发明（设计）人： | 蒋昌俊;闫春钢;刘关俊;丁志军;张亚英;张裕威;栾文静 | 申请（专利权）人： | 同济大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 上海光华专利事务所(普通合伙) 31219 | 代理人： | 王华英 |
| 地址： | 200092 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于Stacking和翻转随机降采样分类方法、系统、介质及设备，包括：获取原始训练集，将原始训练集划分为数目大于等于两个的不同的训练子集；为每一训练子集建立数目大于等于两个的不同的组件分类器；将每个组件分类器的输出作为特征进行训练，生成集成分类器；获取测试样本，根据每一组件分类器依次分类测试样本得组件分类结果，以组件分类结果为特征组成一新测试样本，以集成分类器分类新测试样本得最终分类结果，本发明解决了现有技术存在的不均衡数据分类精度差、无法识别少数类、分布特征表现有效性低和分类器区分度较低的技术问题。 | ||
| 搜索关键词： | 组件分类 测试样本 分类 集成分类器 原始训练集 训练子集 降采样 翻转 分布特征 分类结果 数据分类 特征组成 不均衡 分类器 区分度 输出 表现 | ||
【主权项】：
1.一种基于Stacking和翻转随机降采样分类方法，其特征在于，包括：获取原始训练集，将所述原始训练集划分为数目大于等于两个的不同的训练子集；为每一所述训练子集建立数目大于等于两个的不同的组件分类器；将每个所述组件分类器的输出作为特征进行训练，生成集成分类器；获取测试样本，根据每一所述组件分类器依次分类测试样本得组件分类结果，以所述组件分类结果为特征组成一新测试样本，以所述集成分类器分类所述新测试样本得最终分类结果。
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同济大学，未经同济大学许可，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/201810132427.5/，转载请声明来源钻瓜专利网。
