[发明专利]基于人工智能的对象分类方法、装置

权利要求书

1.一种基于人工智能的对象分类方法，其特征在于，所述方法包括：

从至少一个样本对象的行为数据中提取第一特征序列，其中，所述第一特征序列包括多个历史时间节点分别对应的多维度特征；

基于所述第一特征序列分别调用时间序列模型和神经网络模型进行时间序列预测处理，得到第二特征序列、第三特征序列以及第一时间序列误差；

对所述第一时间序列误差、所述第二特征序列和所述第三特征序列进行融合处理，得到分类阈值；

基于所述分类阈值对待识别对象的行为数据进行分类处理，得到所述待识别对象的类别。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第一特征序列分别调用时间序列模型和神经网络模型进行时间序列预测处理，得到第二特征序列、第三特征序列以及第一时间序列误差，包括：

基于所述第一特征序列调用所述时间序列模型进行时间序列预测处理，得到所述第二特征序列和第四特征序列，其中，所述第二特征序列包括所述第一特征序列之后的多个未来时间节点分别对应的多维度特征，所述第四特征序列包括所述第一特征序列的部分历史时间节点分别对应的多维度特征；

确定所述第一特征序列与所述第四特征序列之间的第二时间序列误差；

基于所述第二特征序列调用神经网络模型进行时间序列预测处理，得到所述第三特征序列，其中，所述第三特征序列与所述第二特征序列包括相同的所述多个未来时间节点；

基于所述第二时间序列误差调用所述神经网络模型进行时间序列预测处理，得到所述第一时间序列误差。

3.根据权利要求1所述的方法，其特征在于，所述对所述第一时间序列误差、所述第二特征序列和所述第三特征序列进行融合处理，得到分类阈值，包括：

对所述第二特征序列和所述第三特征序列进行加权平均处理，得到第五特征序列；

对所述第五特征序列和所述第一时间序列误差进行求和处理，得到第六特征序列；

对所述第六特征序列进行归一化处理，得到所述分类阈值。

4.根据权利要求1所述的方法，其特征在于，所述从至少一个样本对象的行为数据中提取第一特征序列，包括：

从所述至少一个样本对象的行为数据中提取多个历史时间节点的特征数据；

从所述多个历史时间节点的特征数据中选择高于波动程度阈值的数据，将选择的高于波动程度阈值的数据按照时间先后顺序进行排序处理，得到所述第一特征序列。

5.根据权利要求4所述的方法，其特征在于，所述从所述至少一个样本对象的行为数据中提取多个历史时间节点的特征数据，包括：

基于所述行为数据的原子维度指标，从所述行为数据中提取多个历史时间节点的原子维度特征数据，其中，所述原子维度指标为所述行为数据中不可再拆分的指标；

基于所述行为数据的聚合维度指标，从所述行为数据中提取多个历史时间节点的聚合维度特征数据，其中，所述聚合维度指标由多个所述原子维度指标聚合而成。

6.根据权利要求1所述的方法，其特征在于，所述基于所述分类阈值对待识别对象的行为数据进行分类处理，得到所述待识别对象的类别之后，所述方法还包括：

对所述至少一个样本对象的行为数据进行聚类处理，得到每个样本对象分别所属的样本对象集合；

根据所述待识别对象的行为数据与每个所述样本对象的行为数据之间的差异值，确定所述待识别对象所属的样本对象集合；

将所述待识别对象所属的样本对象集合中的样本对象的类别，确定为所述待识别对象的相似类别。