[发明专利]适应动态调整基分类器权重的集成学习方法及装置

摘要

一种自适应动态调整基分类器权重的集成学习方法及装置，其中方法包括：构建多个基分类器；基于多个所述基分类器，对采集到的训练样本进行聚类；确定各个所述基分类器对聚类后的训练样本的各个簇的适应度；计算所述测试样本与聚类后的训练样本各个簇的相似度；对所述适应度和所述相似度进行整合，得到每个所述测试样本针对各个所述基分类器相适应的权重，并将多个所述权重组合为一个强分类器；装置包括：构建模块、聚类模块、适应度确定模块、相似度计算模块以及组合模块。本发明通过结合聚类算法，并考虑测试样本与基分类器的适应性，动态地对基分类器进行权重赋值，可有效提高分类器的泛化能力和分类精确率。

主权项

1.一种自适应动态调整基分类器权重的集成学习方法，其特征在于，应用于基于数据流量特征的流量异常检测中，包括：构建多个基分类器，分别计算流量数据样本的各个属性；基于多个所述基分类器，对采集到的训练样本进行聚类；确定各个所述基分类器对聚类后的训练样本的各个簇的适应度；计算测试样本与聚类后的训练样本各个簇的相似度；对所述适应度和所述相似度进行整合；当所述适应度以适应度矩阵形式存储 以及所述相似度以相似度向量形式存储时，将所述适应度矩阵和所述相似度向量相乘，最终得到针对每一个所述测试样本的多个基分类器的权重向量，将多个基分类器的权重向量组合为一个适合所述测试样本的强分类器；所述适应度的确定利用n个所述基分类器对聚类算法生成的k个簇分别进行测试，计算得出基分类器在各个簇上的错误率e_ij；利用错误率e_ij进行相应的对数处理，从而得到n个基分类器对k个簇的适应度并以n*k矩阵的形式进行存储，得到适应度矩阵；其中，i表示第i个基分类器，j表示第j个簇类；所述训练样本和测试样本均为流量数据样本。