[發明專利]使用推升式決策樹樁和聯合特征選擇及剔選算法來對移動設備行為進行高效分類的方法和系統

在審

• 申請號: 201380069119.8
• 申請日: 2013-12-30
• 公開（公告）號: CN104885099A
• 公開（公告）日: 2015-09-02
• 發明（設計）人: K·法瓦茲;V·斯里答拉;R·吉普塔
• 申請（專利權）人: 高通股份有限公司
• 主分類號: G06N5/04
• 分類號: G06N5/04
• 代理公司: 上海專利商標事務所有限公司 31100
• 代理人: 李小芳

1.一種在移動設備中生成數據模型的方法，包括：

在所述移動設備的處理器中從服務器計算設備接收包括有限狀態機的完整分類器模型，所述有限狀態機包括適合表達為多個推升式決策樹樁的信息，每個推升式決策樹樁包括測試條件和權重值；

通過將所述完整分類器模型中所包括的所述有限狀態機轉換成所述多個推升式決策樹樁來生成推升式決策樹樁列表；

在所述移動設備中基于所述推升式決策樹樁列表中所包括的推升式決策樹樁來生成精簡分類器模型；以及

將行為向量數據結構應用于所述精簡分類器模型以確定所述移動設備的行為是否為非良性的。

2.如權利要求1所述的方法，其特征在于，基于所述推升式決策樹樁列表中所包括的推升式決策樹樁來生成所述精簡分類器模型進一步包括：

確定為了分類移動設備行為而應當評估而又不消耗所述移動設備的過量處理、存儲器或能量資源的獨特測試條件的數目；

通過順序地遍歷所述推升式決策樹樁列表并將與每個順序地遍歷到的推升式決策樹樁相關聯的測試條件插入測試條件列表直至所述測試條件列表包括所確定數目的獨特測試條件來生成所述測試條件列表；以及

生成所述精簡分類器模型以僅包括測試所生成的測試條件列表中所包括的多個測試條件之一的那些推升式決策樹樁。

3.如權利要求2所述的方法，其特征在于，將所述行為向量數據結構應用于所述精簡分類器模型以確定所述移動設備的行為是否為非良性的包括：

將所述行為向量數據結構中所包括的所收集的行為信息應用于所述精簡分類器模型中的每個推升式決策樹樁；

計算將所收集的行為信息應用于所述精簡分類器模型中的每個推升式決策樹樁的結果的加權平均；以及

將所述加權平均與閾值作比較。

4.如權利要求1所述的方法，其特征在于，生成所述精簡分類器模型包括：

基于所述推升式決策樹樁列表中所包括的推升式決策樹樁來生成精簡分類器模型族，所述精簡分類器模型族包括所述精簡分類器模型以及多個附加精簡分類器模型，所述多個附加精簡分類器模型中的每一者包括不同數目的獨特測試條件。

5.如權利要求1所述的方法，其特征在于，生成精簡分類器模型包括：

生成多個精簡分類器模型，每個精簡分類器模型包括使用不同權重值和不同閾值來測試第一條件的決策樹樁。

6.如權利要求5所述的方法，其特征在于，進一步包括：

重新計算與所述多個精簡分類器模型中的推升式決策樹樁相關聯的閾值。

7.如權利要求5所述的方法，其特征在于，進一步包括：

重新計算與所述多個精簡分類器模型中的推升式決策樹樁相關聯的權重值。

8.如權利要求1所述的方法，其特征在于，進一步包括：

在服務器中通過以下操作來生成所述完整分類器模型：

在所述服務器中接收關于移動設備行為的信息素材庫；以及

基于關于移動設備行為的所述信息素材庫來生成所述有限狀態機以包括適合轉換成所述多個推升式決策樹樁的數據；以及

將所述有限狀態機作為所述完整分類器模型發送給所述移動設備。

9.如權利要求8所述的方法，其特征在于，每個測試條件與概率值相關聯，所述概率值標識其相關聯的測試條件將使得所述移動設備能確定移動設備行為是否為良性的可能性，所述方法進一步包括：

在將所述有限狀態機作為所述完整分類器模型發送給所述移動設備之前基于概率值來組織所述有限狀態機中的所述多個推升式決策樹樁。