[發(fā)明專利]一種適用于多標(biāo)簽分類的ML?kNN改進(jìn)方法和系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201710278015.8
• 申請(qǐng)日: 2017-04-25
• 公開(kāi)（公告）號(hào): CN107133293A
• 公開(kāi)（公告）日: 2017-09-05
• 發(fā)明（設(shè)計(jì)）人: 劉鵬鶴;孫曉平;孫毓忠
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院計(jì)算技術(shù)研究所
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30;G06K9/62
• 代理公司: 北京律誠(chéng)同業(yè)知識(shí)產(chǎn)權(quán)代理有限公司11006
• 代理人: 祁建國(guó),梁揮

1.一種適用于多標(biāo)簽分類的ML-kNN改進(jìn)方法，其特征在于，包括如下步驟：

步驟1：獲取原始數(shù)據(jù)集，該原始數(shù)據(jù)集包括多條樣本，其中每條樣本具有多類標(biāo)簽和多類特征，在該原始數(shù)據(jù)集中統(tǒng)計(jì)每類標(biāo)簽的樣本總數(shù)，作為標(biāo)簽樣本數(shù)，在每類標(biāo)簽的樣本中統(tǒng)計(jì)每類特征的樣本總數(shù)，作為特征樣本數(shù)，并根據(jù)該標(biāo)簽樣本數(shù)和該特征樣本數(shù)計(jì)算特征標(biāo)簽權(quán)重，其中每個(gè)特征對(duì)應(yīng)一個(gè)特征值；

步驟2：將該原始數(shù)據(jù)集中每條樣本拆分為多個(gè)具有單一標(biāo)簽的原始單標(biāo)簽樣本，并根據(jù)該特征標(biāo)簽權(quán)重對(duì)每條該原始單標(biāo)簽樣本的特征值進(jìn)行更新，生成第一數(shù)據(jù)集；

步驟3：獲取待預(yù)測(cè)的待測(cè)樣本，將待測(cè)樣本拆分為具有單一標(biāo)簽的待測(cè)單標(biāo)簽樣本，根據(jù)該第一數(shù)據(jù)集依次對(duì)該待測(cè)單標(biāo)簽樣本的標(biāo)簽進(jìn)行預(yù)測(cè)，確定該待測(cè)樣本的標(biāo)簽集合。

2.如權(quán)利要求1所述的適用于多標(biāo)簽分類的ML-kNN改進(jìn)方法，其特征在于，該步驟3包括：

步驟31：統(tǒng)計(jì)該原始數(shù)據(jù)集共涉及的標(biāo)簽類別數(shù)C，將該未知多標(biāo)簽樣本拆分為C個(gè)待測(cè)單標(biāo)簽樣本；

步驟32：根據(jù)該特征標(biāo)簽權(quán)重將C個(gè)該待測(cè)單標(biāo)簽樣本的特征值進(jìn)行更新，生成第二數(shù)據(jù)集；

步驟33：通過(guò)計(jì)算該第二數(shù)據(jù)集中每條待測(cè)單標(biāo)簽樣本與該第一數(shù)據(jù)集中每條原始單標(biāo)簽樣本之間的距離，依次為每條該待測(cè)單標(biāo)簽樣本預(yù)測(cè)一個(gè)預(yù)測(cè)標(biāo)簽，并將所有該預(yù)測(cè)標(biāo)簽集合為預(yù)測(cè)標(biāo)簽集；

步驟34：根據(jù)該預(yù)測(cè)標(biāo)簽集中各標(biāo)簽類別出現(xiàn)的次數(shù)，確定該待測(cè)樣本的標(biāo)簽集合。

3.如權(quán)利要求2所述的適用于多標(biāo)簽分類的ML-kNN改進(jìn)方法，其特征在于，步驟33中預(yù)測(cè)方法具體為：

步驟331：計(jì)算該待測(cè)單標(biāo)簽樣本與第一數(shù)據(jù)集中的各個(gè)該原始單標(biāo)簽樣本的距離；

步驟332：根據(jù)該距離取出距該待測(cè)單標(biāo)簽樣本最近的k條原始單標(biāo)簽樣本，并將該k條原始單標(biāo)簽樣本中出現(xiàn)次數(shù)最多的標(biāo)簽種類，作為該待測(cè)單標(biāo)簽樣本的預(yù)測(cè)標(biāo)簽。

4.如權(quán)利要求2所述的適用于多標(biāo)簽分類的ML-kNN改進(jìn)方法，其特征在于，步驟34還包括：計(jì)算各預(yù)測(cè)標(biāo)簽出現(xiàn)的后驗(yàn)概率，若該后驗(yàn)概率大于等于預(yù)設(shè)閾值，則將該預(yù)測(cè)標(biāo)簽加入結(jié)果標(biāo)簽集合中，并將該結(jié)果標(biāo)簽集合作為該待測(cè)樣本的標(biāo)簽集合。

5.如權(quán)利要求1所述的適用于多標(biāo)簽分類的ML-kNN改進(jìn)方法，其特征在于，步驟1中該特征值的取值范圍為{0,1}。

6.一種適用于多標(biāo)簽分類的ML-kNN改進(jìn)系統(tǒng)，其特征在于，包括如下模塊：

特征標(biāo)簽權(quán)重計(jì)算模塊：用于獲取原始數(shù)據(jù)集，該原始數(shù)據(jù)集包括多條樣本，其中每條樣本具有多類標(biāo)簽和多類特征，在該原始數(shù)據(jù)集中統(tǒng)計(jì)每類標(biāo)簽的樣本總數(shù)，作為標(biāo)簽樣本數(shù)，在每類標(biāo)簽的樣本中統(tǒng)計(jì)每類特征的樣本總數(shù)，作為特征樣本數(shù)，并根據(jù)該標(biāo)簽樣本數(shù)和該特征樣本數(shù)計(jì)算特征標(biāo)簽權(quán)重，其中每個(gè)特征對(duì)應(yīng)一個(gè)特征值；

樣本拆分模塊：將該原始數(shù)據(jù)集中每條樣本拆分為多個(gè)具有單一標(biāo)簽的原始單標(biāo)簽樣本，并根據(jù)該特征標(biāo)簽權(quán)重對(duì)每條該原始單標(biāo)簽樣本的特征值進(jìn)行更新，生成第一數(shù)據(jù)集；

待測(cè)樣本預(yù)測(cè)模塊：獲取待預(yù)測(cè)的待測(cè)樣本，將該待測(cè)樣本拆分為具有單一標(biāo)簽的待測(cè)單標(biāo)簽樣本，根據(jù)該第一數(shù)據(jù)集依次對(duì)該待測(cè)單標(biāo)簽樣本的標(biāo)簽進(jìn)行預(yù)測(cè)，確定該待測(cè)樣本的標(biāo)簽集合。

7.如權(quán)利要求6所述的適用于多標(biāo)簽分類的ML-kNN改進(jìn)系統(tǒng)，其特征在于，該待測(cè)樣本預(yù)測(cè)模塊包括：

統(tǒng)計(jì)模塊：統(tǒng)計(jì)該原始數(shù)據(jù)集共涉及的標(biāo)簽類別數(shù)C，將該未知多標(biāo)簽樣本拆分為C個(gè)待測(cè)單標(biāo)簽樣本；

更新模塊：根據(jù)該特征標(biāo)簽權(quán)重將C個(gè)該待測(cè)單標(biāo)簽樣本的特征值進(jìn)行更新，生成第二數(shù)據(jù)集；

標(biāo)簽預(yù)測(cè)模塊：通過(guò)計(jì)算該第二數(shù)據(jù)集中每條待測(cè)單標(biāo)簽樣本與該第一數(shù)據(jù)集中每條原始單標(biāo)簽樣本之間的距離，依次為每條該待測(cè)單標(biāo)簽樣本預(yù)測(cè)一個(gè)預(yù)測(cè)標(biāo)簽，并將所有該預(yù)測(cè)標(biāo)簽集合為預(yù)測(cè)標(biāo)簽集；

標(biāo)簽集合模塊：根據(jù)該預(yù)測(cè)標(biāo)簽集中各標(biāo)簽類別出現(xiàn)的次數(shù)，確定該待測(cè)樣本的標(biāo)簽集合。

8.如權(quán)利要求7所述的適用于多標(biāo)簽分類的ML-kNN改進(jìn)系統(tǒng)，其特征在于，該標(biāo)簽預(yù)測(cè)模塊包括：

距離計(jì)算模塊：計(jì)算該待測(cè)單標(biāo)簽樣本與第一數(shù)據(jù)集中的各個(gè)該原始單標(biāo)簽樣本的距離；

篩選模塊：根據(jù)該距離取出距該待測(cè)單標(biāo)簽樣本最近的k條原始單標(biāo)簽樣本，并篩選出該k條原始單標(biāo)簽樣本中出現(xiàn)次數(shù)最多的標(biāo)簽種類，作為該待測(cè)單標(biāo)簽樣本的預(yù)測(cè)標(biāo)簽。