[发明专利]一种基于多次投票的迭代式标签噪声识别算法

摘要

本发明公开的一种基于多次投票的迭代式标签噪声识别算法，属于机器学习和数据挖掘领域。本发明的识别算法基于集成学习思想，采取了多次投票方法，噪声由多个分类器投票而判定，每次投票前随机打乱待检测样本的顺序，因此每次投票都会产生一组可能存在差异性的噪声识别结果，最后综合多次投票产生的多组结果，产生最终噪声识别结果。本发明的识别算法还采取了迭代方式，每次迭代时输入的待检测样本，为上次迭代时过滤掉噪声后的剩余样本。同传统的单次投票方式相比，多次投票方法更具灵活性和准确性，可以在另一个层面对单次投票结果做汇总，能够满足不同类型数据和噪声比的要求。此外，迭代式的识别方法能够更全面彻底的识别出所有噪声数据。

主权项

一种基于多次投票的迭代式标签噪声识别算法，其特征在于，包括以下步骤：步骤1)确定算法输入变量，包括待处理样本集D，最大迭代次数maxIter，多次投票次数numVote,最终噪声识别所需最小投票次数numFinalPass，随机分块数numCross，单次投票分类器次数numClassifier，单次噪声识别所需最小投票次数numPass，初始化多次投票迭代次数t＝1，外围迭代次数m＝1,初始化待处理样本集E＝D；步骤2)将E随机分成numCross个大小一致的子集初始化参数i＝1；步骤3)用集合中样本做训练数据，选择numClassifier个不同的分类算法，训练numClassifier个不同的分类器H₁,H₂,...,H_{numClassifier}；步骤4)用H₁,H₂,...,H_{numClassifier}对样本集中样本分类，统计每一个样本被错误分类的次数numWrong，如果numWrong大于或等于指定阈值numPass，则该次投票将该样本列为可疑噪声；步骤5)迭代执行步骤2)至4)，每次迭代后i值加1，直到i值等于numCross,停止迭代，生成可疑噪声集合；步骤6)迭代执行步骤2)至5)，每次迭代后t值加1，直到t＝numVote为止，生成numVote个可疑噪声集合；步骤7)综合分析numVote个可疑噪声集合，如果一个样本在numVote个集合中出现的次数numExist大于或等于指定阈值numFinalPass，则根据多次投票结果，认定该样本是噪声，设基于第m次迭代，产生的噪声集合为步骤8)迭代执行步骤2)至7)，每次迭代后，m值加1，直到或m＝maxIter为止；步骤9)返回E值，E为删除噪声后的纯净样本集，算法结束。