[发明专利]一种基于AAE-DWMIL-LearnNSE的数据流分类算法在审
| 申请号： | 201910929480.2 | 申请日： | 2019-09-29 |
| 公开（公告）号： | CN110647671A | 公开（公告）日： | 2020-01-03 |
| 发明（设计）人： | 赵兴昊;王松;胡燕祝 | 申请（专利权）人： | 北京邮电大学 |
| 主分类号： | G06F16/906 | 分类号： | G06F16/906 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100876 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及基于AAE‑DWMIL‑LearnNSE的数据流分类算法，是一种对数据流进行分类的方法，属于数据挖掘与机器学习领域，其特征在于采用如下步骤：(1)更新每个分类器权重；(2)加权处理基分类器；(3)加权合成集成分类器；(4)计算新数据集上分类错误率；(5)综合预测模型；(6)数据流分类函数确定及分类。本发明克服了由于缺乏对训练样本进行有选择的选取，导致分类精度受影响程度大的问题，去掉了对旧的数据样本的保存环节，为新数据节省了大部分存储空间，同时充分利用了旧的分类模型，取得了较高的分类准确率。有效解决了度量源领域中有标签的训练样本和目标领域中无标签测试样本之间相似度问题。 | ||
| 搜索关键词： | 数据流分类 训练样本 新数据 分类 机器学习领域 综合预测模型 分类错误率 分类准确率 集成分类器 标签测试 存储空间 分类模型 函数确定 基分类器 加权处理 加权合成 目标领域 数据挖掘 数据样本 有效解决 数据流 分类器 相似度 源领域 度量 权重 算法 样本 标签 保存 更新 环节 | ||
【主权项】：
1.本发明一种基于AAE-DWMIL-LearnNSE的数据流分类算法，其特征在于：(1)更新每个分类器权重；(2)加权处理基分类器；(3)加权合成集成分类器；(4)计算新数据集上分类错误率；(5)综合预测模型；(6)数据流分类函数确定及分类；具体包括以下七个步骤：/n步骤一：更新每个分类器
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北京邮电大学，未经北京邮电大学许可，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/201910929480.2/，转载请声明来源钻瓜专利网。
