[发明专利]基于t分布混合模型的网络多媒体业务半监督分类方法

权利要求书

1.基于t分布混合模型的网络多媒体业务半监督分类方法，其特征在于包含以下步骤：

(1)数据集预处理：采集互联网上各种多媒体业务的数据流样本，对数据流样本进行z-score标准化操作，使数据无量纲化，然后进行特征提取，包括以下步骤：

(1.1)根据数据流样本，分别采用信息增益、信息增益率、一致性特征选择方式进行特征选择，提取出相应的特征组合；

(1.2)对这些特征组合分别进行后续的实验分析，确定算法对应的较好的特征选择方法，提取出有效的特征组合；

(1.3)划分已标识样本和未标识样本，采用半监督分类，随机选取一定比例样本作为已标识样本，其余部分作为未标识样本来检测实验效果；

(2)t分布聚类过程：对上述网络数据流样本执行t分布混合模型或有限t分布混合模型的拟合工作，得到K个多维t分布聚类，所述t分布聚类过程，具体包括：

(2.1)为了实现聚类过程，首先需要对数据变量进行初始化，设数据样本为X＝{x₁,...,x_N}，聚类数为K，包括：

(2.1.1)初始化K个聚类中心，记为μ₁,...,μ_K；

(2.1.2)初始化混合模型参数π₁,...,π_K取值为1/K；

(2.1.3)使用协方差公式，计算每个混合模型协方差Σ₁,...,Σ_K；

(2.2)根据μ,Σ和π向量，执行EM算法的E步，具体步骤为：

(2.2.1)根据已求的μ,Σ和π参数，使用贝叶斯公式计算t分布模型的后验概率；

(2.2.2)如果采用有限t分布混合模型，则需要计算每个样本点到聚类中心的马氏距离，根据t分布的3σ准则确定离群噪声点；

(2.3)根据EM算法的M步，更新μ,Σ和π，具体步骤为：

(2.3.1)如果采用有限t分布混合模型，则需要在计算M步之前，忽略离群噪声点的影响，否则算法收敛速度较慢；

(2.3.2)根据EM算法的M步公式，更新μ,Σ和π；

(2.4)计算算法的似然函数L(x)，如果第k+1次迭代后计算的似然函数L(k+1)(x)与第k次迭代后的似然函数L(k)(x)的差值小于误差值eps，则算法迭代结束；否则返回步骤2.2；

(3)分类过程：对上述聚类后的结果进一步进行分类，并计算最后分类的总体正确率。

2.根据权利要求1所述的基于t分布混合模型的网络多媒体业务半监督分类方法，其特征在于所述一定比例为10％。

3.根据权利要求1所述的基于t分布混合模型的网络多媒体业务半监督分类方法，其特征在于所述t分布混合模型进行拟合包括：

(3.1)初始化聚类中心μ、协方差Σ和混合模型权重π；

(3.2)执行t分布混合模型的EM算法，更新参数；

(3.3)计算EM算法的似然函数，如果第k+1次迭代的似然函数与第k次似然函数之间的差值小于误差值，则算法迭代结束；否则返回步骤3.2。

4.根据权利要求1所述的基于t分布混合模型的网络多媒体业务半监督分类方法，其特征在于所述有限t分布混合模型进行拟合包括：

(4.1)计算E步，根据已求的μ,Σ和π参数，使用贝叶斯公式计算后验概率；

(4.2)计算样本点到聚类中心的马氏距离，根据t分布的3σ准则确定离群噪声点；

(4.3)忽略离群噪声点的影响，计算M步，更新μ,Σ和π参数。

5.根据权利要求1所述的基于t分布混合模型的网络多媒体业务半监督分类方法，其特征在于所述分类过程具体分为以下三类：

(5.1)聚类后的簇中没有已标识的样本，则这个聚类可视为未知聚类，不在考虑范围内；

(5.2)聚类后的簇中已标识的样本的类型仅有一种，则该聚类的所有样本都划分为该类型；

(5.3)聚类后的簇中如果含多种已标识的样本类型，则需要进行进一步的多分类过程。