[發明專利]一種基于數據密度峰值的自標記半監督分類方法及裝置

在審

• 申請號: 201611136106.X
• 申請日: 2016-12-12
• 公開（公告）號: CN106778859A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 吳迪;李超華;尚明生;羅辛;袁野
• 申請（專利權）人: 中國科學院重慶綠色智能技術研究院;深圳市新利迪科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于數據密度峰值的自標記半監督分類方法，其特征在于，該方法包括如下步驟：

第一步：通過計算DPClus聚類方法定義的兩個參數“局部密度”和“到具有更高局部密度點的最近鄰距離”，得出目標向量NNeigh，發現數據內部結構特征，進一步利用標記數據集中帶標簽數據樣本的信息確定類中心點，構造一個類似于圖的數據空間結構；

第二步：根據第一步得出的數據空間結構，進入迭代訓練過程；首先，利用標記數據集中的帶標簽數據樣本訓練分類器；其次，根據數據空間結構，從未標記數據集中選出被標記數據集中所有帶標簽數據樣本所指向的下一個無標簽數據樣本；最后，利用訓練好的分類器，對選出的無標簽數據樣本進行類別標簽判別，并將判別后的數據樣本加入到標記數據集中；重復迭代以上過程，直至標記數據集中帶標簽數據樣本所指向的所有下一個無標簽數據樣本都被選出，并被判別類別標簽后加入到標記數據集中，才停止迭代；

第三步：根據第一步得出的數據空間結構，再次進入迭代訓練過程；首先，利用標記數據集中的帶標簽數據樣本訓練一個分類器；其次，根據數據空間結構，從未標記數據集中選出被標記數據集中所有帶標簽數據樣本所指向的上一個無標簽數據樣本；最后，利用訓練好的分類器，對選出的無標簽數據樣本進行類別標簽判別，并將判別后的數據樣本加入到標記數據集中；重復迭代以上過程，直至所有的無標簽數據樣本都被選出，并被判別類別標簽后加入到標記數據集中，才停止迭代；

第四步：利用最終的標記數據集，訓練分類器，完成訓練。

2.根據權利要求1所述的一種基于數據密度峰值的自標記半監督分類方法，其特征在于，所述參數“局部密度”的計算公式如下：

局部密度ρ_i計算公式1：

局部密度ρ_i計算公式2：

其中，d_ij代表是第i個數據樣本x_i和第j個數據樣本x_j之間的距離，該距離度量可以是任一種距離度量形式；d_c是截斷距離。

3.根據權利要求1所述的一種基于數據密度峰值的自標記半監督分類方法，其特征在于，所述參數“到具有更高局部密度點的最近鄰距離”的計算公式如下：

${\mathrm{\δ}}_i=\left\{\begin{array}{cc}{\min }_{j:{\mathrm{\ρ}}_i\<{\mathrm{\ρ}}_j}\left(d_{ij}\right),& others\\ {\max }_j\left(d_{ij}\right),& \∀j,{\mathrm{\ρ}}_i\≥{\mathrm{\ρ}}_j\end{array}\right.$

其中，d_ij代表是第i個數據樣本x_i和第j個數據樣本x_j之間的距離；ρ_i和ρ_j為局部密度。