[發明專利]一種基于聯合聚類深度學習神經網絡的數據識別方法

有效

• 申請號: 201710994336.8
• 申請日: 2017-10-23
• 公開（公告）號: CN107704888B
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 朱定局
• 申請（專利權）人: 大國創新智能科技（東莞）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/02
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 馬魯晉

1.一種基于聯合聚類深度學習神經網絡的數據識別方法，其特征在于，包括以下步驟：

步驟1、先獲取N類數據樣本集及每一類數據樣本集對應的標簽集，再獲取所述N類數據樣本集中每一類數據樣本的數據預設格式，并獲取標簽預設格式，然后對N類數據樣本集和標簽集進行預處理；所述N大于等于1；

所述N類數據樣本集包括第一類數據樣本集，為圖像樣本集，包括“頭像11、頭像12、頭像13、頭像14、…、頭像1m”，對應的第一類輸出標簽集為“身份證號11、身份證號12、身份證號13、身份證號14、…、身份證號1m”，其中，頭像11與身份證號11對應，頭像12與身份證號12對應，頭像13與身份證號13對應，頭像14與身份證號14對應，……，頭像1n與身份證號1n對應；

還包括第二類數據樣本集，為語音樣本集，包括“語音21、語音22、語音23、語音24、…、語音2n”，對應的第二類輸出標簽集為“身份證號21、身份證號22、身份證號23、身份證號24、…、身份證號2n”，其中，語音21與身份證號21對應，語音22與身份證號22對應，語音23與身份證號23對應，語音24與身份證號24對應，……，語音2n與身份證號2n對應；

步驟2、初始化N類數據樣本集對應的N個深度學習神經網絡；

步驟3、將步驟1獲取的每一類數據樣本集作為輸入，將其對應的標簽集作為輸出，對該類對應的深度學習神經網絡進行訓練，得到N個訓練后的深度學習神經網絡；

步驟4、為每一類對應的深度學習神經網絡獲取一個測試數據，將每一類測試數據的數據格式轉化為該類數據樣本的數據預設格式，然后將該測試數據作為該類對應的深度學習神經網絡的輸入，通過該深度學習神經網絡的計算得到該類對應的測試輸出標簽；

步驟5、在步驟1預處理的標簽集中查找每一類的測試輸出標簽所在的標簽集，之后判斷該標簽集是否只有一個標簽元素；如果每一類的測試輸出標簽所在的標簽集只有一個標簽元素，則將每一類的測試輸出標簽作為該類的最優輸出標簽；否則執行下一步；

步驟6、計算每一類的測試輸出標簽所對應的數據樣本集與該類測試輸出標簽所在的標簽集中每一標簽元素對應的數據樣本集的相似度，并根據該相似度計算并確定每一組可能輸出標簽；其中，每一組可能輸出標簽中包含了每一類的一個可能輸出標簽；

步驟7、計算每一組可能輸出標簽中每一類的可能輸出標簽對應的數據樣本集與該一類的測試數據集的相似度，并根據該相似度計算并確定一組可能輸出標簽作為最優輸出標簽；

步驟8、計算可能輸出標簽中各類輸出標簽都一致的概率及不一致的概率，作為各類輸出標簽一致的概率及不一致的概率；

步驟9、將可能輸出標簽、最優輸出標簽、各類輸出標簽一致的概率及不一致的概率輸出。

2.根據權利要求1所述的基于聯合聚類深度學習神經網絡的數據識別方法，其特征在于，步驟1中獲取所述N類中每一類數據樣本的數據預設格式，并獲取標簽預設格式，具體為：

獲取每一類數據樣本集中每一個數據樣本的數據格式，將該類中相同的數據格式進行合并得到s種數據格式，統計該類數據樣本集中每一種數據格式Pi對應的數據樣本數量Mi，將最大的Mi對應的數據格式Pi作為該類數據樣本的數據預設格式；其中，s大于或等于1,i大于或等于1且小于或等于s；

獲取每一類數據樣本集對應的標簽集中每一個標簽的標簽格式，將該類中相同的標簽格式進行合并得到t種標簽格式，統計該類標簽集中每一種標簽格式Qj對應的標簽數量Nj，將最大的Nj對應的標簽格式Qj作為標簽預設格式；其中，t大于或等于1,j大于或等于1且小于或等于t。