[发明专利]一种基于数据密度峰值的自标记半监督分类方法及装置

权利要求书

1.一种基于数据密度峰值的自标记半监督分类方法，其特征在于，该方法包括如下步骤：

第一步：通过计算DPClus聚类方法定义的两个参数“局部密度”和“到具有更高局部密度点的最近邻距离”，得出目标向量NNeigh，发现数据内部结构特征，进一步利用标记数据集中带标签数据样本的信息确定类中心点，构造一个类似于图的数据空间结构；

第二步：根据第一步得出的数据空间结构，进入迭代训练过程；首先，利用标记数据集中的带标签数据样本训练分类器；其次，根据数据空间结构，从未标记数据集中选出被标记数据集中所有带标签数据样本所指向的下一个无标签数据样本；最后，利用训练好的分类器，对选出的无标签数据样本进行类别标签判别，并将判别后的数据样本加入到标记数据集中；重复迭代以上过程，直至标记数据集中带标签数据样本所指向的所有下一个无标签数据样本都被选出，并被判别类别标签后加入到标记数据集中，才停止迭代；

第三步：根据第一步得出的数据空间结构，再次进入迭代训练过程；首先，利用标记数据集中的带标签数据样本训练一个分类器；其次，根据数据空间结构，从未标记数据集中选出被标记数据集中所有带标签数据样本所指向的上一个无标签数据样本；最后，利用训练好的分类器，对选出的无标签数据样本进行类别标签判别，并将判别后的数据样本加入到标记数据集中；重复迭代以上过程，直至所有的无标签数据样本都被选出，并被判别类别标签后加入到标记数据集中，才停止迭代；

第四步：利用最终的标记数据集，训练分类器，完成训练。

2.根据权利要求1所述的一种基于数据密度峰值的自标记半监督分类方法，其特征在于，所述参数“局部密度”的计算公式如下：

局部密度ρ_i计算公式1：

局部密度ρ_i计算公式2：

其中，d_ij代表是第i个数据样本x_i和第j个数据样本x_j之间的距离，该距离度量可以是任一种距离度量形式；d_c是截断距离。

3.根据权利要求1所述的一种基于数据密度峰值的自标记半监督分类方法，其特征在于，所述参数“到具有更高局部密度点的最近邻距离”的计算公式如下：

${\mathrm{\δ}}_i=\left\{\begin{array}{cc}{\min }_{j:{\mathrm{\ρ}}_i\<{\mathrm{\ρ}}_j}\left(d_{ij}\right),& others\\ {\max }_j\left(d_{ij}\right),& \∀j,{\mathrm{\ρ}}_i\≥{\mathrm{\ρ}}_j\end{array}\right.$

其中，d_ij代表是第i个数据样本x_i和第j个数据样本x_j之间的距离；ρ_i和ρ_j为局部密度。