[發明專利]一種基于樣本貢獻率的二分類軟分類器的單次檢測可信度評價方法

在審

• 申請號: 202010796678.0
• 申請日: 2020-08-10
• 公開（公告）號: CN111898697A
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 王國濤;孫志剛;高亞杰;李響;高萌萌;李超然;李碩
• 申請（專利權）人: 黑龍江大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 于歌

一種基于樣本貢獻率的二分類軟分類器的單次檢測可信度評價方法，涉及二分類檢測可信度評價領域。本發明是為了解決由于訓練樣本的分布不均勻，僅依據每個區間的概率來確定單次檢測結果的可信程度低的問題。本發明針對實際樣本分布中存在的分布不均勻、各區間段樣本貢獻率差異大的情況，結合了二分類軟分類器的可信度評價法，綜合了區間樣本貢獻率，將現有的二分類技術與置信度機制相結合，通過合理的表現方式，量化識別結果的可靠程度。本發明適用于密封繼電器的組件信號和多余物信號的可信度評價中。

技術領域

本發明屬于二分類檢測可信度評價技術領域。

背景技術

在高風險領域，如航空航天領域對密封繼電器信號進行檢測時，除了關心預測模型能否識別出被檢測樣本所屬類別、以及整體識別準確率之外，更關心針對單一樣本的識別結果是否可信，即：單次識別結果的可靠程度。以一些精密儀器檢測為例，若檢測結果發生錯誤，會帶來不可估量的損失，更嚴重的會引起人員傷亡。所以，對于這類高風險領域背景下的檢測系統，不能只是要求給出檢測結果，更應該給出輸出結果的可靠性估值，讓使用人員可以通過結果的可靠性估值去決定處理方式。

可信程度即統計學上的置信度的定義，也叫置信水平，是指總體參數值落在樣本統計值某一區域內的概率；而置信區間是指在某一置信水平下，樣本統計值與總體參數值之間的誤差范圍。通常置信區間越大，置信水平越高。近年來，隨著機器學習的熱門，置信度在機器學習領域得到了廣泛的應用，即置信度機制。機器學習領域的置信度機制是以統計學上的置信度為理論基礎進行研究，并在此基礎上結合新的思想形成一種新的分類模式，在輸出學習結果的同時，給出學習結果可信度的策略與方法，它決定了機器學習的可信度。

目前置信機制按照分類方式的不同有以下幾種分類：一種是按照處理對象來分，可以分為整體平均置信度機制與單一個體置信度機制。另一種是按實現方式來分，可以分為直接構造置信度機制和間接轉換置信度機制。還有一種是帶有拒絕學習方法的置信度機制，就是在進行分類判斷時，通過設定一個閾值，將那些不太確定、可能引起分類錯誤樣本先拒絕掉，使判斷錯誤率降低。

在機器學習分類算法中，根據判別過程的不同，將現有分類算法歸納為兩類，即軟分類器和硬分類器。其中，軟分類器使用的是概率模型，輸出不同類對應的概率，最后的分類結果取概率最大的類；硬分類器使用的是非概率模型，分類結果就是決策函數的決策結果。

機器學習解決分類問題的原理是通過某實例中已知的帶類別標簽的訓練數據來學習某實例的分類規則。在面對未知標簽的分類數據的時候，用學習到的分類規則對數據進行分類。其中，軟分類器使用的是基于概率模型的分類方法，先計算不同類別的概率，最后根據分類結果取概率值最大的對未知類別的數據點進行類別標記。該方法其通常借助于貝葉斯理論體系，采用潛在的類條件概率密度函數的知識進行分類。在現階段機器學習分類算法的應用中，通常輸出分值只用來判定屬于某類成員。忽視了輸出分值對于每一個樣本屬于某類別的表達程度。這種表達程度在一定程度上可以認為是單次識別結果的可靠性。

在實際的工程應用中，訓練樣本的分布并不是均勻的，存在某一區間段內訓練樣本個數較少，集中在某些區間段，樣本間特征表現極其相似容易出現誤判等現象。區間段大小的設置也對概率值有一定的影響，區間段過大，區間段個數較少，每個區間段中的樣本數量較多，從而導致樣本的表現較為泛化不夠全面；相反，區間段過小，區間段個數過多，對于那些樣本數量較少的區間段會導致一個區間段中的少量樣本做出太大的貢獻。由于上述問題的存在，如果僅僅依據每個區間的概率確定單次檢測結果的可信程度是不全面的，可能出現依據少量樣本做出判斷的問題。

發明內容

本發明是為了解決由于訓練樣本的分布不均勻，僅依據每個區間的概率來確定單次檢測結果的可信程度低的問題，現提供一種基于樣本貢獻率的二分類軟分類器的單次檢測可信度評價方法。

一種基于樣本貢獻率的二分類軟分類器的單次檢測可信度評價方法，包括以下步驟：