[發(fā)明專利]數(shù)據(jù)識別方法和裝置

有效

• 申請?zhí)枺?/td>: 201910051530.1
• 申請日: 2019-01-18
• 公開（公告）號: CN109740693B
• 公開（公告）日: 2021-05-18
• 發(fā)明（設(shè)計(jì)）人: 黃豐喜
• 申請（專利權(quán)）人: 北京細(xì)推科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京細(xì)軟智谷知識產(chǎn)權(quán)代理有限責(zé)任公司 11471
• 代理人: 王金寶

1.一種數(shù)據(jù)識別方法，其特征在于，包括：

基于k-means聚類算法，對當(dāng)前根節(jié)點(diǎn)中的根數(shù)據(jù)進(jìn)行聚類處理，得到至少兩簇?cái)?shù)據(jù)集；其中，所述當(dāng)前根節(jié)點(diǎn)對應(yīng)至少兩個(gè)子節(jié)點(diǎn)；

基于SVM分類算法對每簇?cái)?shù)據(jù)集中的當(dāng)前數(shù)據(jù)進(jìn)行訓(xùn)練，得到SVM分類器；

基于所述SVM分類器，對所述根數(shù)據(jù)進(jìn)行分類，確定每個(gè)所述子節(jié)點(diǎn)的分類數(shù)據(jù)；

基于所述根數(shù)據(jù)和所述分類數(shù)據(jù)，構(gòu)建k-means-SVM樹形模型；

若接收到待識別數(shù)據(jù)，基于預(yù)先構(gòu)建的k-means-SVM樹形模型，確定識別數(shù)據(jù)庫的搜索范圍；所述確定識別數(shù)據(jù)庫的搜索范圍，包括：基于knn算法，確定所述識別數(shù)據(jù)庫的搜索范圍；

確定所述搜索范圍對應(yīng)的候選節(jié)點(diǎn)；

確定所述候選節(jié)點(diǎn)中分類數(shù)據(jù)對應(yīng)的中心點(diǎn)數(shù)據(jù)和分類數(shù)據(jù)對應(yīng)的數(shù)據(jù)標(biāo)簽；

根據(jù)所述數(shù)據(jù)標(biāo)簽和所述中心點(diǎn)數(shù)據(jù)，確定驗(yàn)證數(shù)據(jù)；

檢測所述待識別數(shù)據(jù)與所述搜索范圍中的驗(yàn)證數(shù)據(jù)是否相匹配；

若所述待識別數(shù)據(jù)與所述驗(yàn)證數(shù)據(jù)相匹配，確定識別成功；

若所述待識別數(shù)據(jù)與所述驗(yàn)證數(shù)據(jù)不匹配，確定識別失敗。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于SVM分類算法對每簇?cái)?shù)據(jù)集中的當(dāng)前數(shù)據(jù)進(jìn)行訓(xùn)練，得到SVM分類器之后，還包括：

基于迭代規(guī)則，對所述SVM分類器進(jìn)行更新，得到目標(biāo)SVM分類器，并在更新過程中執(zhí)行以下操作：

利用當(dāng)前SVM分類器對所述根數(shù)據(jù)中的未聚類數(shù)據(jù)進(jìn)行預(yù)測，得到預(yù)測成功數(shù)據(jù)；

基于SVM分類算法對所述預(yù)測成功數(shù)據(jù)進(jìn)行訓(xùn)練，以便更新所述當(dāng)前SVM分類器，得到下一級SVM分類器；

當(dāng)檢測到所述當(dāng)前SVM分類器的所述預(yù)測成功數(shù)據(jù)的第一數(shù)目與所述下一級SVM分類器的所述預(yù)測成功數(shù)據(jù)的第二數(shù)目一致時(shí)，停止更新，并將所述下一級SVM分類器作為所述目標(biāo)SVM分類器；

對應(yīng)地，所述基于所述SVM分類器，對所述根數(shù)據(jù)進(jìn)行分類，確定每個(gè)所述子節(jié)點(diǎn)的分類數(shù)據(jù)，包括：

基于所述目標(biāo)SVM分類器，對所述根數(shù)據(jù)進(jìn)行分類，確定每個(gè)所述子節(jié)點(diǎn)的分類數(shù)據(jù)。

3.一種數(shù)據(jù)識別裝置，其特征在于，包括：

第一確定模塊，用于基于k-means聚類算法，對當(dāng)前根節(jié)點(diǎn)中的根數(shù)據(jù)進(jìn)行聚類處理，得到至少兩簇?cái)?shù)據(jù)集；其中，所述當(dāng)前根節(jié)點(diǎn)對應(yīng)至少兩個(gè)子節(jié)點(diǎn)；基于SVM分類算法對每簇?cái)?shù)據(jù)集中的當(dāng)前數(shù)據(jù)進(jìn)行訓(xùn)練，得到SVM分類器；基于所述SVM分類器，對所述根數(shù)據(jù)進(jìn)行分類，確定每個(gè)所述子節(jié)點(diǎn)的分類數(shù)據(jù)；基于所述根數(shù)據(jù)和所述分類數(shù)據(jù)，構(gòu)建k-means-SVM樹形模型；若接收到待識別數(shù)據(jù)，基于預(yù)先構(gòu)建的k-means-SVM樹形模型，確定識別數(shù)據(jù)庫的搜索范圍；所述確定識別數(shù)據(jù)庫的搜索范圍，包括：基于knn算法，確定所述識別數(shù)據(jù)庫的搜索范圍；

確定所述搜索范圍對應(yīng)的候選節(jié)點(diǎn)，確定所述候選節(jié)點(diǎn)中分類數(shù)據(jù)對應(yīng)的中心點(diǎn)數(shù)據(jù)和分類數(shù)據(jù)對應(yīng)的數(shù)據(jù)標(biāo)簽，根據(jù)所述數(shù)據(jù)標(biāo)簽和所述中心點(diǎn)數(shù)據(jù)，確定驗(yàn)證數(shù)據(jù)；

檢測模塊，用于檢測所述待識別數(shù)據(jù)與所述搜索范圍中的驗(yàn)證數(shù)據(jù)是否相匹配；

第二確定模塊，用于若所述待識別數(shù)據(jù)與所述驗(yàn)證數(shù)據(jù)相匹配，確定識別成功；若所述待識別數(shù)據(jù)與所述驗(yàn)證數(shù)據(jù)不匹配，確定識別失敗。

4.根據(jù)權(quán)利要求3所述的裝置，其特征在于，還包括：

更新模塊，用于基于迭代規(guī)則，對所述SVM分類器進(jìn)行更新，得到目標(biāo)SVM分類器，并在更新過程中執(zhí)行以下操作：

利用當(dāng)前SVM分類器對所述根數(shù)據(jù)中的未聚類數(shù)據(jù)進(jìn)行預(yù)測，得到預(yù)測成功數(shù)據(jù)；

基于SVM分類算法對所述預(yù)測成功數(shù)據(jù)進(jìn)行訓(xùn)練，以便更新所述當(dāng)前SVM分類器，得到下一級SVM分類器；

當(dāng)檢測到所述當(dāng)前SVM分類器的所述預(yù)測成功數(shù)據(jù)的第一數(shù)目與所述下一級SVM分類器的所述預(yù)測成功數(shù)據(jù)的第二數(shù)目一致時(shí)，停止更新，并將所述下一級SVM分類器作為所述目標(biāo)SVM分類器；

對應(yīng)地，第三確定模塊，用于基于所述目標(biāo)SVM分類器，對所述根數(shù)據(jù)進(jìn)行分類，確定每個(gè)所述子節(jié)點(diǎn)的分類數(shù)據(jù)。