分包融合集成学习数据分类方法
专利类型：发明专利
语 言：中文
申 请 号：CN201810097334.3
申 请 日：20180131
申 请 人：重庆大学
申请人地址：400044 重庆市沙坪坝区沙正街174号
公 开 日：20180817
公 开 号：CN201810097334.3
代 理 人：陈千
代理机构：成都蓉域智慧知识产权代理事务所(普通合伙) 51250
摘 要：本发明公开一种分包融合集成学习数据分类方法，包括以下步骤：S1：获取数据形成训练集和测试集；S2：利用子空间划分模块将训练集分为K个子集；S3：对应一个子集训练一个分类器模型；S4：计算每个分类器模型对应的权重因子；S5：将待测数据输入每一个分类器模型中，各个分类器模型输出的样本标签与对应的权重因子相乘后加权得到最后的分类结果。其效果是：通过分包并对每个子空间中样本进行学习，弱化样本空间中混叠区域对分类器模型的影响，然后对每个子集误分类样本进行增强，传递至下一个子集中再次学习，增加样本利用率。利用多空间加权融合集成学习模块对所有子集的预测进行加权集成，从而进一步弱化混叠区域样本对分类器模型的影响，提高分类精度。
主 权 项：1.一种分包融合集成学习数据分类方法，其特征包括以下步骤：S1：获取数据形成训练集和测试集；S2：利用子空间划分模块将训练集分为K个子集，K为大于或等于2的整数；S3：对应一个子集训练一个分类器模型；S4：计算每个分类器模型对应的权重因子；S5：将待测数据输入每一个分类器模型中，各个分类器模型输出的样本标签与对应的权重因子相乘后加权得到最后的分类结果。
关 键 词：分类器模型;样本;集成学习;分包;子集;权重因子;数据分类;训练集;子空间;混叠;弱化;相乘;分类结果;分类样本;划分模块;获取数据;加权集成;加权融合;样本空间;融合;测试集;多空间;加权;标签;输出;传递;分类;学习;预测
法律状态：公开
IPC专利分类号：G06K9/62;G06K9/00;G;G06;G06K;G06K9;G06K9/62;G06K9/00