[发明专利]一种高精度的多阶神经网络分类方法及系统

摘要

本发明公开了一种基于个体特征的高精度属性分类方法，包括获取已分类的样本对象、对应的原始样本数据、分类信息；对原始样本数据进行预处理，获取训练样本数据和/或验证样本数据；根据分类结构设置神经网络阶层结构；将训练样本数据输入多阶神经网络结构分别对每个训练样本数据进行预测；利用验证样本数据对多阶神经网络进行验证；对待分类对象所对应的原始数据进行预处理后，将其输入多阶神经网络结构，获取待分类对象的分类结果。本发明技术方案针对现有的神经网络在对多个分类对象进行分类时准确度无法满足需求的情况，采用多阶神经网络结构，从多个角度对待分类对象进行分类然后然后再综合判断，可以有效调高多种分类情况下分类的准确度。

主权项

1.一种高精度的多阶神经网络分类方法，其特征在于，包括S1获取已分类的样本对象，每个样本对象所对应的原始样本数据，以及每个样本对象被分入的分类结构；S2对样本对象所对应的原始样本数据进行预处理，获取包含足够有效信息的训练样本数据和/或验证样本数据；S3根据分类结构设置神经网络阶层结构，并确定每个阶层中每个神经网络模型的层数和神经元个数；S4将训练样本数据输入多阶神经网络结构的初始阶层，分别对训练样本数据属于每个分类的概率进行预测，并将预测结果输入下一阶层直至完成当前样本的训练；S5利用验证样本数据对多阶神经网络进行验证，若验证结果满足精确度阈值，则完成多阶神经网络结构的训练进入步骤S6，否则返回步骤S3；S6对待分类对象所对应的原始数据进行预处理，获取包含足够有效信息的分类数据，将其输入多阶神经网络结构，获取待分类对象的分类结果。