[发明专利]一种基于数据密度峰值的自标记半监督分类方法及装置

摘要

本发明提供一种基于数据密度峰值的自标记半监督分类方法及装置，属于计算机数据处理技术领域。本发明提供的方法和装置首先通过计算DPClus聚类算法定义的两个参数“局部密度”和“到具有更高局部密度点的最近邻距离”，发现数据内部结构特征，构造一个类似于图的数据空间结构；然后，依据数据空间结构，按照特定规则实现自标记半监督分类模型的迭代训练，以此实现半监督分类。该方法和装置计算效率高，对于各种数据集形状如球形和非球形，都具有鲁棒性，因而可解决现有自标记半监督分类模型中非球状数据适应性差和大数据处理能力不足的缺点。

主权项

一种基于数据密度峰值的自标记半监督分类方法，其特征在于，该方法包括如下步骤：第一步：通过计算DPClus聚类方法定义的两个参数“局部密度”和“到具有更高局部密度点的最近邻距离”，得出目标向量NNeigh，发现数据内部结构特征，进一步利用标记数据集中带标签数据样本的信息确定类中心点，构造一个类似于图的数据空间结构；第二步：根据第一步得出的数据空间结构，进入迭代训练过程；首先，利用标记数据集中的带标签数据样本训练分类器；其次，根据数据空间结构，从未标记数据集中选出被标记数据集中所有带标签数据样本所指向的下一个无标签数据样本；最后，利用训练好的分类器，对选出的无标签数据样本进行类别标签判别，并将判别后的数据样本加入到标记数据集中；重复迭代以上过程，直至标记数据集中带标签数据样本所指向的所有下一个无标签数据样本都被选出，并被判别类别标签后加入到标记数据集中，才停止迭代；第三步：根据第一步得出的数据空间结构，再次进入迭代训练过程；首先，利用标记数据集中的带标签数据样本训练一个分类器；其次，根据数据空间结构，从未标记数据集中选出被标记数据集中所有带标签数据样本所指向的上一个无标签数据样本；最后，利用训练好的分类器，对选出的无标签数据样本进行类别标签判别，并将判别后的数据样本加入到标记数据集中；重复迭代以上过程，直至所有的无标签数据样本都被选出，并被判别类别标签后加入到标记数据集中，才停止迭代；第四步：利用最终的标记数据集，训练分类器，完成训练。