[发明专利]一种融合无监督学习和监督学习的反馈式分类方法

摘要

本发明涉及一种融合无监督学习和监督学习的反馈式分类方法：通过无监督学习对原始特征集合进行分类，获得带标签信息的分类结果；将分类结果随机均分为训练组和对照组，训练组作为监督学习的输入，采用特征选择算法，使监督学习的分类准确率最高，并获得对应的特征子集；重构对照组特征集合，即依据特征子集的特征类别提取对照组特征集合相对应的特征子集，将重构后的对照组特征集合作为训练组获得的监督学习模型的输入，计算其分类准确率；通过设定分类准确率阈值作为迭代的终止条件，分类准确率高于预设阈值则终止迭代，获得分类结果，否则重构原始特征集合，并依次迭代，直到满足预设条件。该分类方法对未知分类标签的分类问题具有很好的适应性、准确性。

主权项

1.一种融合无监督学习和监督学习的反馈式分类方法，其特征在于：包括以下步骤：步骤一，选取适当的特征作为原始特征集合，通过无监督学习对原始特征集合进行分类，获得带标签信息的分类结果；步骤二，将分类结果随机均分为训练组和对照组，训练组作为监督学习的输入，同时采用特征选择算法，使监督学习的分类准确率最高，并获得对应的特征子集；步骤三，重构对照组特征集合，即依据特征子集所包含的特征类别提取对照组特征集合相对应的特征子集，并将重构后的对照组特征集合作为训练组获得的监督学习模型的输入，计算其分类准确率；步骤四，通过设定分类准确率阈值作为迭代的终止条件，若计算得到分类准确率高于预设阈值，则终止迭代，获得优化的分类结果，否则重构原始特征集合，并依次进行迭代，直到分类准确率达到预设阈值。