[发明专利]基于t分布混合模型的网络多媒体业务半监督分类方法

摘要

本发明公开了基于t分布混合模型的网络多媒体业务半监督分类方法，具体包含数据集预处理、t分布聚类过程和分类过程。数据集预处理采集互联网上各种多媒体业务的数据流样本，然后进行预处理操作。t分布聚类过程对上述网络数据流样本执行t分布混合模型或有限t分布混合模型的拟合工作，得到K个多维t分布聚类。分类过程对上述聚类后的结果进一步进行分类，并计算最后分类的总体正确率。本发明使用t分布混合模型对多媒体业务进行更加精确的拟合，提高了分类的准确度。有限t分布混合模型的EM算法有效地提高了t分布混合模型的收敛速度。实验表明提出的算法有较高的准确率，并且拟合的模型要优于传统的K‑means算法和传统的高斯混合模型的EM算法。

主权项

1.基于t分布混合模型的网络多媒体业务半监督分类方法，其特征在于包含以下步骤：(1)数据集预处理：采集互联网上各种多媒体业务的数据流样本，对数据流样本进行z‑score标准化操作，使数据无量纲化，然后进行特征提取，包括以下步骤：(1.1)根据数据流样本，分别采用信息增益、信息增益率、一致性特征选择方式进行特征选择，提取出相应的特征组合；(1.2)对这些特征组合分别进行后续的实验分析，确定算法对应的较好的特征选择方法，提取出有效的特征组合；(1.3)划分已标识样本和未标识样本，采用半监督分类，随机选取一定比例样本作为已标识样本，其余部分作为未标识样本来检测实验效果；(2)t分布聚类过程：对上述网络数据流样本执行t分布混合模型或有限t分布混合模型的拟合工作，得到K个多维t分布聚类，所述t分布聚类过程，具体包括：(2.1)为了实现聚类过程，首先需要对数据变量进行初始化，设数据样本为X＝{x₁,...,x_N}，聚类数为K，包括：(2.1.1)初始化K个聚类中心，记为μ₁,...,μ_K；(2.1.2)初始化混合模型参数π₁,...,π_K取值为1/K；(2.1.3)使用协方差公式，计算每个混合模型协方差Σ₁,...,Σ_K；(2.2)根据μ,Σ和π向量，执行EM算法的E步，具体步骤为：(2.2.1)根据已求的μ,Σ和π参数，使用贝叶斯公式计算t分布模型的后验概率；(2.2.2)如果采用有限t分布混合模型，则需要计算每个样本点到聚类中心的马氏距离，根据t分布的3σ准则确定离群噪声点；(2.3)根据EM算法的M步，更新μ,Σ和π，具体步骤为：(2.3.1)如果采用有限t分布混合模型，则需要在计算M步之前，忽略离群噪声点的影响，否则算法收敛速度较慢；(2.3.2)根据EM算法的M步公式，更新μ,Σ和π；(2.4)计算算法的似然函数L(x)，如果第k+1次迭代后计算的似然函数L(k+1)(x)与第k次迭代后的似然函数L(k)(x)的差值小于误差值eps，则算法迭代结束；否则返回步骤2.2；(3)分类过程：对上述聚类后的结果进一步进行分类，并计算最后分类的总体正确率。