[发明专利]一种基于数据物理特征和隐含风格特征的新颖分类方法

摘要

本发明涉及模式识别与人工智能、机器学习技术领域，具体地说，是一种基于数据物理特征和隐含风格特征的新颖分类方法，包括以下步骤：(1)利用K近邻算法将数据集映射成包含C个子网络的社交网络；(2)在构建的社交网络中挖掘数据隐含风格特征—权威性和影响力；(3)根据数据距离特征和权威性风格特征计算每一个测试样本与社交网络中每个节点之间的双层结构效率确定测试样本每个子网络的允许连接集；(4)根据允许连接集计算每个允许连接集中所有节点的影响力之和；(5)将测试样本标签类型判别为与具有最大节点影响力之和对应的子网络标签类型。

主权项

1.一种基于数据物理特征和隐含风格特征的新颖分类方法，其特征在于，包括以下步骤：步骤一：对于给定数据集X＝[x₁,x₂,…,x_N]^T，其中x_i∈R^d，标签集为Y＝[y₁,y₂,…,y_N]^T利用K近邻算法将给定数据集X映射成社交网络G；步骤二：在上述构建的社交网络G中挖掘数据权威性和数据影响力两种数据暗含风格特征；步骤三：对于测试集T＝[t₁,t₂,…,t_M]^T，其中t_m∈R^d，根据数据物理特征和数据暗含风格特征计算测试集中每个测试样本与社交网络G中每个子网络之间的允许连接集；步骤四：根据步骤三中生成的允许连接集计算每个允许连接集中节点的影响力之和；步骤五：根据步骤四计算出的每个允许连接集中节点的影响力之和，将测试样本的标签类型判别为与具有最大节点影响力之和对应的子网络标签类型。