[发明专利]一种基于联合聚类深度学习神经网络的数据识别方法

摘要

本发明公开了一种基于联合聚类深度学习神经网络的数据识别方法，步骤如下：首先获取N类数据样本集及对应的标签集并进行预处理，同时获取数据预设格式、标签预设格式；然后对深度学习神经网络进行训练；接着将每一类任一测试数据转化为该类数据预设格式后作为该类深度学习神经网络的输入，得到对应的测试输出标签；然后根据测试输出标签所在标签集的元素个数及数据集之间相似度的计算，确定可能输出标签及最优输出标签；然后计算各类输出标签一致和不一致的概率；最后将可能、最优输出标签及上步中的概率输出。本发明通过相似度计算弥补深度学习神经网络在输出标签数量多而输入样本量不足时输出准确性的不足，进而提高输出的准确性。

主权项

一种基于联合聚类深度学习神经网络的数据识别方法，其特征在于，包括以下步骤：步骤1、先获取N类数据样本集及每一类数据样本集对应的标签集，再获取所述N类数据样本集中每一类数据样本的数据预设格式，并获取标签预设格式，然后对N类数据样本集和标签集进行预处理；所述N大于等于1；步骤2、初始化N类数据样本集对应的N个深度学习神经网络；步骤3、将步骤1获取的每一类数据样本集作为输入，将其对应的标签集作为输出，对该类对应的深度学习神经网络进行训练，得到N个训练后的深度学习神经网络；步骤4、为每一类对应的深度学习神经网络获取一个测试数据，将每一类测试数据的数据格式转化为该类数据样本的数据预设格式，然后将该测试数据作为该类对应的深度学习神经网络的输入，通过该深度学习神经网络的计算得到该类对应的测试输出标签；步骤5、在步骤1预处理的标签集中查找每一类的测试输出标签所在的标签集，之后判断该标签集是否只有一个标签元素；如果每一类的测试输出标签所在的标签集只有一个标签元素，则将每一类的测试输出标签作为该类的最优输出标签；否则执行下一步；步骤6、计算每一类的测试输出标签所对应的数据样本集与该类测试输出标签所在的标签集中每一标签元素对应的数据样本集的相似度，并根据该相似度计算并确定每一组可能输出标签；其中，每一组可能输出标签中包含了每一类的一个可能输出标签；步骤7、计算每一组可能输出标签中每一类的可能输出标签对应的数据样本集与该一类的测试数据集的相似度，并根据该相似度计算并确定一组可能输出标签作为最优输出标签；步骤8、计算可能输出标签中各类输出标签都一致的概率及不一致的概率，作为各类输出标签一致的概率及不一致的概率；步骤9、将可能输出标签、最优输出标签、各类输出标签一致的概率及不一致的概率输出。