[發明專利]一種數據分類方法、裝置及相關設備

在審

• 申請號: 202011503667.5
• 申請日: 2020-12-17
• 公開（公告）號: CN112613550A
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 張楠;王健宗;瞿曉陽
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/00
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強

1.一種數據分類方法，其特征在于，所述方法包括：

獲取訓練數據，其中，所述訓練數據包括k個類別，k為大于1的正整數；

通過鯨魚優化算法WOA從目標訓練數據中確定n個個體對應的向量，得到第一向量集，其中，所述目標訓練數據是所述k個類別中的任意一個類別，n為大于1的正整數；

使用目標優化函數分別計算所述第一向量集中每個向量對應的函數值，得到n個第一函數值，將所述n個第一函數值中最小第一函數值對應的向量作為最佳向量；

執行更新操作：

通過WOA分別更新所述n個個體對應的向量，得到第二向量集；

分別計算所述第二向量集中每個向量與所述最佳向量之間的距離，由所述距離與第一預設條件，更新所述每個個體對應的向量，得到第三向量集；

使用所述目標優化函數，計算所述第二向量集以及所述第三向量集中每個向量對應的函數值，由第二預設條件確定所述n個個體對應的目標向量，得到目標向量集；

使用所述目標優化函數計算所述目標向量集中每個目標向量對應的函數值，得到n個目標函數值；

將所述n個目標函數值中最小目標函數值與所述最佳向量對應的函數值進行比較，在所述最小目標函數值小于所述最佳向量對應的函數值時，確定所述最小目標函數值對應的目標向量作為新的最佳向量；

執行預設次數的所述更新操作，將最后一次所述更新操作得到的所述新的最佳向量作為所述目標訓練數據的聚類中心；

獲取待分類語音數據，分別計算所述待分類語音數據與所述k個類別的聚類中心的距離，將所述待分類語音數據歸到與所述待分類語音數據距離最小的所述聚類中心對應的類別中。

2.根據權利要求1所述的方法，其特征在于，所述第三向量集包括所述每個個體對應的第三向量；

所述由所述距離與第一預設條件，更新所述每個個體對應的向量，得到第三向量集，包括：

計算目標個體在所述第二向量集中對應的向量與所述最佳向量之間的距離，其中，所述目標個體是所述n個個體中的任意一個；

在所述距離大于第一閾值時，對所述目標個體在所述第二向量集中對應的向量與所述最佳向量執行交叉操作，得到所述目標個體在所述第三向量集中對應的第三向量。

3.根據權利要求2所述的方法，其特征在于，所述方法還包括：

在所述距離小于或等于所述第一閾值時，對所述目標個體在所述第二向量集中對應的向量執行變異操作，得到所述目標個體在所述第三向量集中對應的第三向量。

4.根據權利要求1至3任一項所述的方法，其特征在于，所述由第二預設條件確定所述n個個體對應的目標向量，得到目標向量集，包括：

使用所述目標優化函數，計算所述目標個體在所述第二向量集中對應的向量的函數值與在所述第三向量集中對應的向量的函數值，其中，所述目標個體是所述n個個體中的任意一個；

在所述第二向量集中對應的向量的函數值大于所述第三向量集中對應的向量的函數值時，將所述第三向量集中對應的向量作為所述目標個體對應的目標向量。

5.根據權利要求4所述的方法，其特征在于，所述方法還包括：

在所述第二向量集中對應的向量的函數值小于或等于所述第三向量集中對應的向量的函數值時，使用傳統磷蝦群算法KHA得到所述目標個體對應的目標向量。

6.根據權利要求5所述的方法，其特征在于，所述目標優化函數用于計算候選向量與所述目標訓練數據中每個數據之間的距離之和，其中，所述候選向量為所述n個個體中任意一個個體對應的向量。

7.根據權利要求6所述的方法，其特征在于，所述距離為漢明距離、閔式距離或夾角余弦距離中的任意一種。