[發明專利]基于t分布混合模型的網絡多媒體業務半監督分類方法

有效

• 申請號: 201710077295.6
• 申請日: 2017-02-14
• 公開（公告）號: CN106878073B
• 公開（公告）日: 2019-10-08
• 發明（設計）人: 董育寧;趙家杰
• 申請（專利權）人: 南京郵電大學
• 主分類號: H04L12/24
• 分類號: H04L12/24;H04L12/26;G06K9/62
• 代理公司: 南京知識律師事務所 32207
• 代理人: 李湘群

1.基于t分布混合模型的網絡多媒體業務半監督分類方法，其特征在于包含以下步驟：

(1)數據集預處理：采集互聯網上各種多媒體業務的數據流樣本，對數據流樣本進行z-score標準化操作，使數據無量綱化，然后進行特征提取，包括以下步驟：

(1.1)根據數據流樣本，分別采用信息增益、信息增益率、一致性特征選擇方式進行特征選擇，提取出相應的特征組合；

(1.2)對這些特征組合分別進行后續的實驗分析，確定算法對應的較好的特征選擇方法，提取出有效的特征組合；

(1.3)劃分已標識樣本和未標識樣本，采用半監督分類，隨機選取一定比例樣本作為已標識樣本，其余部分作為未標識樣本來檢測實驗效果；

(2)t分布聚類過程：對上述網絡數據流樣本執行t分布混合模型或有限t分布混合模型的擬合工作，得到K個多維t分布聚類，所述t分布聚類過程，具體包括：

(2.1)為了實現聚類過程，首先需要對數據變量進行初始化，設數據樣本為X＝{x₁,...,x_N}，聚類數為K，包括：

(2.1.1)初始化K個聚類中心，記為μ₁,...,μ_K；

(2.1.2)初始化混合模型參數π₁,...,π_K取值為1/K；

(2.1.3)使用協方差公式，計算每個混合模型協方差Σ₁,...,Σ_K；

(2.2)根據μ,Σ和π向量，執行EM算法的E步，具體步驟為：

(2.2.1)根據已求的μ,Σ和π參數，使用貝葉斯公式計算t分布模型的后驗概率；

(2.2.2)如果采用有限t分布混合模型，則需要計算每個樣本點到聚類中心的馬氏距離，根據t分布的3σ準則確定離群噪聲點；

(2.3)根據EM算法的M步，更新μ,Σ和π，具體步驟為：

(2.3.1)如果采用有限t分布混合模型，則需要在計算M步之前，忽略離群噪聲點的影響，否則算法收斂速度較慢；

(2.3.2)根據EM算法的M步公式，更新μ,Σ和π；

(2.4)計算算法的似然函數L(x)，如果第k+1次迭代后計算的似然函數L(k+1)(x)與第k次迭代后的似然函數L(k)(x)的差值小于誤差值eps，則算法迭代結束；否則返回步驟2.2；

(3)分類過程：對上述聚類后的結果進一步進行分類，并計算最后分類的總體正確率。

2.根據權利要求1所述的基于t分布混合模型的網絡多媒體業務半監督分類方法，其特征在于所述一定比例為10％。

3.根據權利要求1所述的基于t分布混合模型的網絡多媒體業務半監督分類方法，其特征在于所述t分布混合模型進行擬合包括：

(3.1)初始化聚類中心μ、協方差Σ和混合模型權重π；

(3.2)執行t分布混合模型的EM算法，更新參數；

(3.3)計算EM算法的似然函數，如果第k+1次迭代的似然函數與第k次似然函數之間的差值小于誤差值，則算法迭代結束；否則返回步驟3.2。

4.根據權利要求1所述的基于t分布混合模型的網絡多媒體業務半監督分類方法，其特征在于所述有限t分布混合模型進行擬合包括：

(4.1)計算E步，根據已求的μ,Σ和π參數，使用貝葉斯公式計算后驗概率；

(4.2)計算樣本點到聚類中心的馬氏距離，根據t分布的3σ準則確定離群噪聲點；

(4.3)忽略離群噪聲點的影響，計算M步，更新μ,Σ和π參數。

5.根據權利要求1所述的基于t分布混合模型的網絡多媒體業務半監督分類方法，其特征在于所述分類過程具體分為以下三類：

(5.1)聚類后的簇中沒有已標識的樣本，則這個聚類可視為未知聚類，不在考慮范圍內；

(5.2)聚類后的簇中已標識的樣本的類型僅有一種，則該聚類的所有樣本都劃分為該類型；

(5.3)聚類后的簇中如果含多種已標識的樣本類型，則需要進行進一步的多分類過程。