[发明专利]一种不完全标注数据的多标签分类处理方法及装置

权利要求书

1.一种不完全标注数据的多标签分类处理方法，其特征在于，所述多标签分类处理方法用于实现对不同IP地址接收的流量数据的多标签分类处理，包括下述步骤：

获取训练数据集，所述训练数据集包括多个训练数据向量及其对应的标签类别向量；训练数据向量为不同IP地址接收的流量数据，标签类别向量为不同IP地址接收的流量数据对应的所属用户；

基于所述训练数据集对神经网络进行参数训练，得到训练好的神经网络；其中，所述神经网络包括输入层、中间层和输出层；

对所述训练好的神经网络中间层的输出进行预处理，得到神经网络的最优网络结构；

将待分类的不完全标注数据输入所述神经网络的最优网络结构，得到所述待分类的不完全标注数据对应的所有标签类别向量；

对所述训练好的神经网络中间层的输出进行预处理，得到神经网络的最优网络结构，包括下述步骤：

对所述训练好的神经网络中间层的输出进行聚类，得到每一个训练数据向量对应的马氏距离；

基于所述马氏距离计算每一个训练数据向量的类别相似度；

判断所述类别相似度是否满足终止条件，若是，结束训练，所述训练好的神经网络即为神经网络的最优网络结构；若否，更新标签类别向量，并基于训练数据向量及更新后的标签类别向量重新训练神经网络的参数，直至训练数据向量的类别相似度满足终止条件，得到神经网络的最优网络结构；

其中，马氏距离的计算方法包括如下步骤：

首先获取初始马氏距离

给定整数i，i属于x_j的类别则记作i∈y_j，否则记作则通过下述方式获得马氏距离

为最大置信度对应的聚类个数，为聚类中心，为最大置信度对应的聚类中心，x_j表示训练数据向量，y_j表示训练数据向量对应的标签类别向量，j∈[1，n]，n为训练数据的个数，i∈[1,m]，m表示训练数据的类别数；

所述终止条件的计算公式为：

|y_j-s_j|＜τ

式中，y_j表示训练数据向量对应的标签类别向量，τ为给定阈值；

所述更新后的标签类别向量的计算公式为：

y′_j＝(1-w)gy_j+wgs_j

式中，y′_j表示更新后的标签类别向量，w为类别相似度对应的权重。

2.根据权利要求1所述的不完全标注数据的多标签分类处理方法，其特征在于，基于GMM聚类方法对所述训练好的神经网络中间层的输出进行聚类，得到每一个训练数据向量对应的马氏距离。

3.根据权利要求1所述的不完全标注数据的多标签分类处理方法，其特征在于，所述类别相似度的计算公式为：

式中，表示类别相似度，表示训练数据向量对应的马氏距离，j∈[1，n]，其中，n为训练数据的个数，i∈[1,m]，m表示训练数据的类别数。